Huber

הובר בכיתה ציבורית

מחשב את אובדן הובר בין תוויות ותחזיות.

עבור כל ערך x error = labels - predictions :

     loss = 0.5 * x^2                  if |x| <= d
     loss = 0.5 * d^2 + d * (|x| - d)  if |x| > d
 

כאשר d הוא דלתא.

שימוש עצמאי:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    Huber huberLoss = new Huber(tf);
    Operand<TFloat32> result = huberLoss.call(labels, predictions);
    // produces 0.155
 

מתקשר עם משקל לדוגמה:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = huberLoss.call(labels, predictions, sampleWeight);
    // produces 0.09f
 

שימוש בסוג הפחתת SUM :

    Huber huberLoss = new Huber(tf, Reduction.SUM);
    Operand<TFloat32> result = huberLoss.call(labels, predictions);
    // produces 0.32f
 

שימוש בסוג הפחתת NONE :

    Huber huberLoss = new Huber(tf, Reduction.NONE);
    Operand<TFloat32> result = huberLoss.call(labels, predictions);
    // produces [0.18f, 0.13f]
 

ראה גם

• אובדן הובר

קבועים

לָצוּף

DELTA_DEFAULT

שדות בירושה

מכיתה org.tensorflow.framework.losses.Loss

הפחתה סופית סטטית ציבורית

REDUCTION_DEFAULT

בונים ציבוריים

	Huber (Ops tf) יוצר הפסד Huber באמצעות getSimpleName() כשם ההפסד, DELTA_DEFAULT בתור הדלתא והפחתת הפסד של REDUCTION_DEFAULT
	Huber (Ops tf, שם מחרוזת) יוצר הפסד הובר באמצעות DELTA_DEFAULT כדלתא והפחתת הפסד של REDUCTION_DEFAULT
	Huber (Ops tf, הפחתת הפחתה ) יוצר הפסד Huber באמצעות getSimpleName() כשם ההפסד ו- DELTA_DEFAULT בתור הדלתא
	Huber (Ops tf, שם מחרוזת, הפחתת הפחתה ) יוצר הפסד הובר באמצעות DELTA_DEFAULT בתור הדלתא
	Huber (Ops tf, שם מחרוזת, float delta, הפחתת הפחתה ) יוצר הפסד הובר

שיטות ציבוריות

<T מרחיב את TNummer > Operand <T>

קריאה ( Operand <? מרחיב את התוויות של TNomber >, תחזיות Operand <T>, Oprand <T> sampleWeights) יוצר אופרנד שמחשב את ההפסד.

שיטות בירושה

מכיתה org.tensorflow.framework.losses.Loss

תקציר <T מרחיב את TNummer > Operand <T>	קריאה ( Operand <? מרחיב את התוויות של TNomber >, תחזיות Operand <T>, Oprand <T> sampleWeights) יוצר אופרנד שמחשב את ההפסד.
<T מרחיב את TNummer > Operand <T>	שיחה ( Oprand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>) מחשב את ההפסד
צִמצוּם	getReduction () מקבל את הפחתת ההפסד
אופס	getTF () מקבל את TensorFlow Ops

מכיתה java.lang.Object

בוליאני	שווה (Object arg0)
שיעור אחרון<?>	getClass ()
int	hashcode ()
ריק סופי	להודיע ​​()
ריק סופי	הודע הכל ()
חוּט	toString ()
ריק סופי	המתן (ארג0 ארוך, int arg1)
ריק סופי	חכה (ארג0 ארוך)
ריק סופי	חכה ()

קבועים

ציפה סופית סטטית ציבורית DELTA_DEFAULT

ערך קבוע: 1.0

בונים ציבוריים

Huber ציבורי (Ops tf)

יוצר הפסד Huber באמצעות getSimpleName() כשם ההפסד, DELTA_DEFAULT בתור הדלתא והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים

tf	ה- TensorFlow Ops

Huber ציבורי (Ops tf, שם מחרוזת)

יוצר הפסד הובר באמצעות DELTA_DEFAULT כדלתא והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים

tf	ה- TensorFlow Ops
שֵׁם	שם ההפסד, אם null אז נעשה שימוש getSimpleName() .

Huber ציבורי (Ops tf, הפחתת הפחתה )

יוצר הפסד Huber באמצעות getSimpleName() כשם ההפסד ו- DELTA_DEFAULT בתור הדלתא

פרמטרים

tf	ה- TensorFlow Ops
צִמצוּם	סוג ההפחתה שיחול על ההפסד.

Huber ציבורי (Ops tf, שם מחרוזת, הפחתת צמצום )

יוצר הפסד הובר באמצעות DELTA_DEFAULT בתור הדלתא

פרמטרים

tf	ה- TensorFlow Ops
שֵׁם	שם ההפסד, אם null אז נעשה שימוש getSimpleName() .
צִמצוּם	סוג ההפחתה שיחול על ההפסד.

Huber ציבורי (Ops tf, שם מחרוזת, float delta, הפחתת הפחתה )

יוצר הפסד הובר

פרמטרים

tf	ה- TensorFlow Ops
שֵׁם	שם ההפסד, אם null אז נעשה שימוש getSimpleName() .
דֶלתָא	הנקודה שבה פונקציית האובדן של Huber משתנה ממרובע לליניארי.
צִמצוּם	סוג ההפחתה שיחול על ההפסד.

שיטות ציבוריות

קריאת Operand <T> ציבורית ( Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Oprand <T> דוגמת משקלים)

יוצר אופרנד שמחשב את ההפסד.

פרמטרים

תוויות	ערכי האמת או התוויות
תחזיות	את התחזיות
משקולות לדוגמה	SampleWeights אופציונליים פועלים כמקדם לאובדן. אם מסופק סקלר, אז ההפסד פשוט מוגדל לפי הערך הנתון. אם SampleWeights הוא טנזור בגודל [batch_size], אז ההפסד הכולל עבור כל דגימה של האצווה משתנה מחדש על ידי האלמנט המתאים בוקטור SampleWeights. אם הצורה של SampleWeights היא [batch_size, d0, ..dN-1] (או שניתן לשדר אותה לצורה זו), אז כל רכיב אובדן של חיזויים משתנה לפי הערך המתאים של SampleWeights. (הערה לגבי dN-1: כל פונקציות האובדן מצטמצמות בממד אחד, בדרך כלל ציר=-1.)

החזרות

• ההפסד