文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindelec.common.L2

class mindelec.common.L2

计算L2度量。

创建输入中每个元素 $x$ 和目标 $y$ 之间的L2度量准则 。

$$\text{l2}=\sqrt{\sum _{i=1}^n\frac{(y_i-x_i{)}^2}{y_i^2}}$$

这里 $y_i$ 是真值， $x_i$ 是预测值。

说明

update 方法必须使用 update(y_pred, y) 的形式调用。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindelec.common import L2
>>> from mindspore import nn, Tensor
>>> import mindspore
...
>>> x = Tensor(np.array([0.1, 0.2, 0.6, 0.9]), mindspore.float32)
>>> y = Tensor(np.array([0.1, 0.25, 0.7, 0.9]), mindspore.float32)
>>> metric = L2()
>>> metric.clear()
>>> metric.update(x, y)
>>> result = metric.eval()
>>> print(result)
0.09543302997807275

clear()

清理内部评估结果。

eval()

计算L2度量。

返回：

Float，计算结果。

update(*inputs)

更新内部评估结果 $\text{y\_pred}$ 和 $\text{y}$。输入 text{y_pred} 和 text{y} 用于计算L2。

参数：

• inputs (Union[Tensor, list, numpy.array]) - text{y_pred} 和 text{y} 是输入 input 中位置为0和1的元素，用于计算L2的预测值和真实值。两者有相同的shape。

异常：

• ValueError - 如果输入的长度不是2。

• ValueError - 如果 text{y_pred} 和 text{y} 的不相同。