Python mxnet.metric.CustomMetric用法及代码示例

用法: class mxnet.metric.CustomMetric(feval, name=None, allow_extra_outputs=False, output_names=None, label_names=None)

参数：

feval：(callable(label, pred)) - 自定义评估函数。
name：(str) - 指标的名称。 (默认为无)。
allow_extra_outputs：(bool, optional) - 如果为真，预测输出可以有额外的输出。这在 RNN 中很有用，其中状态也在输出中产生以进行转发。 (默认为假)。
name：- 显示的这个度量实例的名称。
output_names：(list of str, or None) - 使用update_dict 更新时应使用的预测名称。默认情况下包括所有预测。
label_names：(list of str, or None) - 使用update_dict 更新时应使用的标签名称。默认情况下包括所有标签。

基础： mxnet.metric.EvalMetric

计算定制的评估指标。

feval 函数可以返回 (sum_metric, num_inst) 的 tuple 或返回 int sum_metric。

例子：

>>> predicts = [mx.nd.array(np.array([3, -0.5, 2, 7]).reshape(4,1))]
>>> labels = [mx.nd.array(np.array([2.5, 0.0, 2, 8]).reshape(4,1))]
>>> feval = lambda x, y : (x + y).mean()
>>> eval_metrics = mx.metric.CustomMetric(feval=feval)
>>> eval_metrics.update(labels, predicts)
>>> print eval_metrics.get()
('custom(<lambda>)', 6.0)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.metric.CustomMetric。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。