Python mxnet.metric.CustomMetric用法及代碼示例

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

參數：

feval：(callable(label, pred)) - 自定義評估函數。
name：(str) - 指標的名稱。 (默認為無)。
allow_extra_outputs：(bool, optional) - 如果為真，預測輸出可以有額外的輸出。這在 RNN 中很有用，其中狀態也在輸出中產生以進行轉發。 (默認為假)。
name：- 顯示的這個度量實例的名稱。
output_names：(list of str, or None) - 使用update_dict 更新時應使用的預測名稱。默認情況下包括所有預測。
label_names：(list of str, or None) - 使用update_dict 更新時應使用的標簽名稱。默認情況下包括所有標簽。

基礎： mxnet.metric.EvalMetric

計算定製的評估指標。

feval 函數可以返回 (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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.metric.CustomMetric。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。