torcheval.metrics.ClickThroughRate

class torcheval.metrics.ClickThroughRate(*, num_tasks: int = 1, device: device | None = None)

在给定点击事件的情况下计算点击率。其函数版本是 torcheval.metrics.functional.click_through_rate。

参数：:

num_tasks (int) – 需要加权校准计算的任务数量。默认值为 1。

示例

>>> import torch
>>> from torcheval.metrics.ranking import ClickThroughRate
>>> metric = ClickThroughRate()
>>> input = torch.tensor([0, 1, 0, 1, 1, 0, 0, 1])
>>> metric.update(input)
>>> metric.compute()
tensor([0.5])
>>> metric = ClickThroughRate()
>>> weights = torch.tensor([1.0, 2.0, 1.0, 2.0, 1.0, 2.0, 1.0, 2.0])
>>> metric.update(input, weights)
>>> metric.compute()
tensor([0.58333])
>>> metric = ClickThroughRate(num_tasks=2)
>>> input = torch.tensor([[0, 1, 0, 1], [1, 0, 0, 1]])
>>> weights = torch.tensor([[1.0, 2.0, 1.0, 2.0],[1.0, 2.0, 1.0, 1.0]])
>>> metric.update(input, weights)
>>> metric.compute()
tensor([0.6667, 0.4])

__init__(*, num_tasks: int = 1, device: device | None = None) → None

初始化一个指标对象及其内部状态。

使用 self._add_state() 初始化指标类的状态变量。状态变量应为 torch.Tensor、torch.Tensor 列表、以 torch.Tensor 作为值的字典或 torch.Tensor 的双端队列。

方法

__init__(*[, num_tasks, device])	初始化一个指标对象及其内部状态。
compute()	返回堆叠的点击率排名分数。
load_state_dict(state_dict[, strict])	从 state_dict 加载指标状态变量。
merge_state(metrics)	将指标状态与其来自其他指标实例的对应状态合并。
reset()	将指标状态变量重置为其默认值。
state_dict()	将指标状态变量保存在 state_dict 中。
to(device, *args, **kwargs)	将指标状态变量中的张量移动到设备。
update(input[, weights])	使用新输入更新指标状态。

属性

device

Metric.to() 的最后一个输入设备。