Metric

    评估器metric的基类。

    用法:

    compute 接口的进阶用法:

    在 compute 中可以使用PaddlePaddle内置的算子进行评估器的状态，而不是通过 Python/NumPy, 这样可以加速计算。update 接口将 compute 的输出作为 输入，内部采用Python/NumPy计算。

    code

    Metric 计算流程如下 （在{}中的表示模型和评估器的计算）:

    1.    inputs & labels              || ------------------
    2.          |                      ||
    3.       {model}                   ||
    4.          |                      ||
    6.   {Metric.compute}              ||
    7.          |                      ||
    8. metric states(tensor)           ||
    9.   {fetch as numpy}              || ------------------
    10.          |                      ||
    11. metric states(numpy)            ||    numpy data
    12.          |                      ||

    代码示例

    在:code:compute 中的计算，使用内置的算子(可以跑在GPU上，是的速度更快)。 作为:code:update 的输入，该接口计算如下:

    reset ( )

    清空状态和计算结果。

    返回：无

    update ( \args* )

    更新状态。如果定义了:code:compute ，update 的输入是:code:compute 的输出。 如果没有定义，则输入是网络的输出**output**和标签**label**， 如: update(output1, output2, ..., label1, label2,...) .

    也可以参考 update 。

    累积的统计指标，计算和返回评估结果。

    返回：评估结果，一般是个标量 或 多个标量。

    name ( )

    返回Metric的名字, 一般通过__init__构造函数传入。

    返回: 评估的名字，string类型。

    compute ( )

    此接口可以通过PaddlePaddle内置的算子计算metric的状态，可以加速metric的计算， 为可选的高阶接口。

    也可以参考 compute 。