困惑度指標
Perplexity 類別
keras_nlp.metrics.Perplexity(
from_logits=False, mask_token_id=None, dtype="float32", name="perplexity", **kwargs
)
困惑度指標。
此類別實作了困惑度指標。簡而言之，此類別會計算交叉熵損失並取其指數。注意：此實作不適用於固定大小的視窗。
參數
- from_logits：布林值。如果為 True，則
y_pred（update_state()的輸入）應該是模型返回的 logits。否則，y_pred是機率張量。 - mask_token_id：整數。要遮罩的權杖 ID。如果提供，則會為此類別計算遮罩。請注意，如果提供了此欄位，並且也提供了
update_state()中的sample_weight欄位，我們將計算最終的sample_weight為遮罩和sample_weight的元素乘積。 - dtype：字串或 tf.dtypes.Dtype。指標計算的精度。如果未指定，則預設為
"float32"。 - name：字串。指標實例的名稱。
- **kwargs：其他關鍵字參數。
範例
- 透過呼叫 update_state() 和 result() 計算困惑度。 1.1. 未提供
sample_weight和mask_token_id。
>>> np.random.seed(42)
>>> perplexity = keras_nlp.metrics.Perplexity(name="perplexity")
>>> target = np.random.randint(10, size=[2, 5])
>>> logits = np.random.uniform(size=(2, 5, 10))
>>> perplexity.update_state(target, logits)
>>> perplexity.result()
<tf.Tensor: shape=(), dtype=float32, numpy=14.352535>
1.2. 指定了 sample_weight（遮罩 ID 為 0 的權杖）。
>>> np.random.seed(42)
>>> perplexity = keras_nlp.metrics.Perplexity(name="perplexity")
>>> target = np.random.randint(10, size=[2, 5])
>>> logits = np.random.uniform(size=(2, 5, 10))
>>> sample_weight = (target != 0).astype("float32")
>>> perplexity.update_state(target, logits, sample_weight)
>>> perplexity.result()
<tf.Tensor: shape=(), dtype=float32, numpy=14.352535>
- 直接呼叫困惑度。
>>> np.random.seed(42)
>>> perplexity = keras_nlp.metrics.Perplexity(name="perplexity")
>>> target = np.random.randint(10, size=[2, 5])
>>> logits = np.random.uniform(size=(2, 5, 10))
>>> perplexity(target, logits)
<tf.Tensor: shape=(), dtype=float32, numpy=14.352535>
- 提供填充權杖 ID 並讓類別自行計算遮罩。
>>> np.random.seed(42)
>>> perplexity = keras_nlp.metrics.Perplexity(mask_token_id=0)
>>> target = np.random.randint(10, size=[2, 5])
>>> logits = np.random.uniform(size=(2, 5, 10))
>>> perplexity(target, logits)
<tf.Tensor: shape=(), dtype=float32, numpy=14.352535>