torcheval.metrics.WindowedWeightedCalibration¶

class torcheval.metrics.WindowedWeightedCalibration(*, num_tasks: int = 1, max_num_updates: int = 100, enable_lifetime: bool = True, device: device | None = None)¶

计算加权校准指标。当未提供权重时，它计算未加权的校准。其功能版本是 torcheval.metrics.functional.weighted_calibration()。

加权校准 = sum(input * weight) / sum(target * weight)

Parameters:

num_tasks (int) – 需要进行WeightedCalibration计算的任务数量。默认值为1。
max_num_updates (int) – 可以容纳更新次数的最大窗口大小。
enable_lifetime (bool) – 一个布尔值指示器，用于确定是否计算生命周期值。

Raises:

ValueError – 如果权重的值既不是float，也不是int，也不是与输入张量大小匹配的torch.Tensor。

示例：

>>> import torch
>>> from torcheval.metrics import WindowedWeightedCalibration
>>> metric = WindowedWeightedCalibration(max_num_updates=2, enable_lifetime=False)
>>> metric.update(torch.tensor([0.8, 0.4]),torch.tensor([1, 1]))
>>> metric.update(torch.tensor([0.3, 0.8]),torch.tensor([0, 0]))
>>> metric.update(torch.tensor([0.7, 0.6]),torch.tensor([1, 0]))
>>> metric.compute()
tensor([2.4], dtype=torch.float64)

>>> metric = WindowedWeightedCalibration(max_num_updates=2, enable_lifetime=True)
>>> metric.update(torch.tensor([0.8, 0.4]),torch.tensor([1, 1]))
>>> metric.update(torch.tensor([0.3, 0.8]),torch.tensor([0, 0]))
>>> metric.update(torch.tensor([0.7, 0.6]),torch.tensor([1, 0]))
>>> metric.compute()
(
tensor([1.2], dtype=torch.float64)
tensor([2.4], dtype=torch.float64)
)

>>> metric = WindowedWeightedCalibration(num_tasks=2)
>>> metric.update(torch.tensor([[0.8, 0.4], [0.8, 0.7]]),torch.tensor([[1, 1], [0, 1]]),)
>>> metric.compute()
tensor([0.6000, 1.5000], dtype=torch.float64)

__init__(*, num_tasks: int = 1, max_num_updates: int = 100, enable_lifetime: bool = True, device: device | None = None) → None¶

初始化一个度量对象及其内部状态。

使用 self._add_state() 来初始化你的度量类的状态变量。状态变量应该是 torch.Tensor，一个 torch.Tensor 的列表，一个以 torch.Tensor 为值的字典，或者一个 torch.Tensor 的双端队列。

方法

`__init__`(*[, 任务数量, 最大更新次数, ...])	初始化一个度量对象及其内部状态。
`compute`()	返回加权校准。
`load_state_dict`(state_dict[, strict])	从state_dict加载度量状态变量。
`merge_state`(metrics)	将度量状态与其他度量实例的对应部分合并。
`reset`()	将度量状态变量重置为其默认值。
`state_dict`()	将度量状态变量保存在state_dict中。
`to`(device, args, *kwargs)	将度量状态变量中的张量移动到设备。
`update`(input, target[, weight])	使用加权输入的总和和加权标签的总和更新度量状态。

属性

device

Metric.to()的最后一个输入设备。