torcheval.metrics.WindowedClickThroughRate

class torcheval.metrics.WindowedClickThroughRate(*, num_tasks: int = 1, max_num_updates: int = 100, enable_lifetime: bool = True, device: device | None = None)

点击率的窗口版本，提供窗口值和生命周期值。窗口值根据最后 window_size 个 update() 调用的输入和目标计算。生命周期值根据所有过去的 update() 调用的输入和目标计算。

给定点击事件计算点击率。其函数版本为 torcheval.metrics.functional.click_through_rate。

参数：

• num_tasks (int) – 需要计算点击率的任务数量。默认值为 1。

• max_num_updates (int) – 可以容纳更新次数的最大窗口大小。

• enable_lifetime (bool) – 一个布尔值指示符，表示是否计算生命周期值。

示例

>>> import torch
>>> from torcheval.metrics import WindowedClickThroughRate
>>> metric = WindowedClickThroughRate(max_num_updates=2)
>>> metric.update(torch.tensor([0, 1, 0, 1, 1, 0, 0, 1]))
>>> metric.update(torch.tensor([0, 1, 0, 1, 1, 1, 1, 1]))
>>> metric.update(torch.tensor([0, 1, 0, 1, 0, 0, 0, 1]))
>>> metric.compute()
tensor([0.5625])

__init__(*, num_tasks: int = 1, max_num_updates: int = 100, enable_lifetime: bool = True, 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 的列表、以 torch.Tensor 作为值的字典或 torch.Tensor 的双端队列。

方法

__init__(*[, num_tasks, max_num_updates, ...])	初始化一个指标对象及其内部状态。
计算()	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部分合并。
重置()	将指标状态变量重置为其默认值。
状态字典()	在 state_dict 中保存指标状态变量。
to(device, *args, **kwargs)	将指标状态变量中的张量移动到设备上。
update(input[, weights])	使用新输入更新指标状态。

属性

设备	Metric.to() 的最后一个输入设备。