分类器
- class torchhd.classifiers.Classifier(n_features: int, n_dimensions: int, n_classes: int, *, device: device | None = None, dtype: dtype | None = None)[来源]
所有分类器的基类
- Parameters:
n_features (int) – 每个输入样本的大小。
n_dimensions (int) – 使用的隐藏维度数量。
n_classes (int) – 类别数量。
device (
torch.device, 可选) – 权重的期望设备。默认值：如果为None，则使用当前设备作为默认张量类型（参见torch.set_default_tensor_type()）。device对于 CPU 张量类型将是 CPU，对于 CUDA 张量类型将是当前的 CUDA 设备。dtype (
torch.dtype, 可选) – 权重的期望数据类型。默认值：如果None，则使用torch.get_default_dtype()。
- __call__(samples: Tensor) Tensor[来源]
评估给定样本的分类器的logits。
- Parameters:
样本 (张量) – 待分类的样本批次。
- Returns:
每个样本对于每个类别的Logits。
- Return type:
张量
- accuracy(data_loader: Iterable[Tuple[Tensor, LongTensor]]) float[来源]
预测样本标签的准确性。
- Parameters:
data_loader (DataLoader) – 包含一批样本和标签的可迭代元组。
- Returns:
预测真实标签的准确性。
- Return type:
浮点数