Mxnet中Metric API中的Evaluation Metric API

1. mxnet.metric.check_lable_shapes(labels, preds, wrap=False, shape=False)

labels： data's labels, ndarray

preds:  predicted values, ndarray

wrap : boolean, if True, 如果 labels/preds 是 single NDarray的话就把它们打包成 list.

shape : boolean， if True的话，就check labels and preds's shape, 否则就仅仅check它们的长度。

2. mxnet.metric.EvalMetric（name, output_names=None, label_names=None, **kwargs）

这是一个类！并且是所有评价度量的基类。这个类中提供了通常的评价度量的接口， 不应该直接使用这个类，而应该创建一个子类来继承它。

这里的参数，name是要创建的metric实例的名字，output_names是predictions的名字, 应该在更新时使用

label_names是labels's 名字，应该在更新时使用。

然后这个类中有很多方法

2.1    ___init__(self, name, output_names=None, label_names=None, **kwargs)

这个是用来初始化的，不用说了。

2.2  __str__(self)

这个里面写的是：

def __str__(self):  

     return "EvalMetric: {}".format(dict(self.get_name_value()))

所以我们去看一下get_name_value()

2.3

def get_name_value(self)

name, value = self.get()  

if not isinstance(name, list):  

name = [name]  

if not isinstance(value, list):  

value = [value]  

return list(zip(name, value))

所以我们又要先看一下get函数

2. 4

def get(self):

   if self.num_inst == 0:  

return (self.name, float('nan'))  

else:  

return (self.name, self.sum_metric / self.num_inst)

然后接下来看看

2.5 接下来的这两个函数都用到了update

def get_config(self):

这个直接就是获得更新后的，metric, name, output_names, label_name

和

2.6

def update_dict(self, label, pred):

这个就是更新了,pred和label分别根据output_names和label_names

然后再调用

update(self, labels, preds)

2.7

def update(self, labels, preds):

注意这个是一定要实现的，不然直接会报错。

2.8

def create(metric, *args,**args)，这个在上一个博文中已经提到了。