mindspore2022/docs/api/api_python/nn/metric/mindspore.nn.MAE.txt

Class mindspore.nn.MAE

    计算平均绝对误差（MAE）。

    创建了一个用于测量输入:math:`x`和目标:math:`y`各元素之间的平均绝对误差（MAE）的标准。

    .. math::
        \text{MAE} = \frac{\sum_{i=1}^n \|y_i - x_i\|}{n}

    这里，:math:`n`是bach size。

    示例：
        >>> import numpy as np
        >>> from mindspore import nn, Tensor
        >>>
        >>> x = Tensor(np.array([0.1, 0.2, 0.6, 0.9]), mindspore.float32)
        >>> y = Tensor(np.array([0.1, 0.25, 0.7, 0.9]), mindspore.float32)
        >>> error = nn.MAE()
        >>> error.clear()
        >>> error.update(x, y)
        >>> result = error.eval()
        >>> print(result)
        0.037499990314245224


clear()
内部评估结果清零。

eval()

        计算平均绝对差（MAE）。

        返回：
            numpy.float64，计算结果。

        异常：
            RuntimeError：样本总数为0。


update(*inputs)

        使用预测值:math:`y_{pred}`和真实值:math:`y`更新局部变量。

        参数：
            inputs：输入`y_pred`和`y`来计算MAE，其中`y_pred`和`y`的shape都是N-D，它们的shape相同。


        异常：
            ValueError：`inputs` 的数量不等于2。