Loss

Perte de classe abstraite publique

Sous-classes directes connues BinaryCrossentropy , CategoricalCrossentropy , CategoricalHinge , CosineSimilarity , Hinge , Huber , KLDivergence , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredLogarithmicError , Poisson , SparseCategoricalCrossentropy , Charnière Carrée BinaireCrossentropie Calcule la perte d'entropie croisée entre les étiquettes réelles et les étiquettes prédites. CatégoriqueCrossentropie Calcule la perte d'entropie croisée entre les étiquettes et les prédictions. Charnière catégorique Calcule la perte de charnière catégorielle entre les étiquettes et les prédictions. CosinusSimilarité Calcule la similarité cosinusoïdale entre les étiquettes et les prédictions. Charnière Calcule la perte de charnière entre les étiquettes et les prédictions. Huber Calcule la perte de Huber entre les étiquettes et les prédictions. KLDivergence Calcule la perte de divergence Kullback-Leibler entre les étiquettes et les prédictions. LogCosh Calcule Calcule le logarithme du cosinus hyperbolique de l'erreur de prédiction. MoyenneAbsolueErreur Calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MoyenneAbsoluePourcentageErreur Calcule le pourcentage d’erreur absolu moyen entre les étiquettes et les prédictions. Erreur quadratique moyenne Calcule la moyenne des carrés d'erreurs entre les étiquettes et les prédictions. Erreur logarithmique moyenne carrée Calcule les erreurs logarithmiques quadratiques moyennes entre les étiquettes et les prédictions. Poisson Calcule la perte de Poisson entre les étiquettes et les prédictions. SparseCatégoriqueCrossentropie Calcule la perte d'entropie croisée entre les étiquettes et les prédictions. Charnière Carrée Calcule la perte de charnière carrée entre les étiquettes et les prédictions.

Des champs

public statique final Réduction

RÉDUCTION_DEFAULT

Méthodes publiques

résumé <T étend TNumber > Opérande <T>	appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights) Génère un opérande qui calcule la perte.
<T étend TNumber > Opérande <T>	appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions) Calcule la perte
Réduction	getRéduction () Obtient la réduction des pertes
Opérations	obtenirTF () Obtient les opérations TensorFlow

Méthodes héritées

De la classe java.lang.Object

booléen	est égal à (Objet arg0)
Classe finale<?>	obtenirClasse ()
int	Code de hachage ()
vide final	notifier ()
vide final	notifierTous ()
Chaîne	àChaîne ()
vide final	attendre (long arg0, int arg1)
vide final	attendez (long arg0)
vide final	attendez ()

Des champs

Réduction finale statique publique REDUCTION_DEFAULT

Méthodes publiques

public abstract Operand <T> appel ( Operand <? extends TNumber > labels, Operand <T> prédictions, Operand <T> sampleWeights)

Génère un opérande qui calcule la perte.

Paramètres

Étiquettes	les valeurs ou étiquettes de vérité
prédictions	les prédictions
exemples de poids	sampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si SampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur SampleWeights. Si la forme de SampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée vers cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de SampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)

Retour

• la perte

Appel public de l'opérande <T> ( l'opérande <? étend les étiquettes TNumber >, les prédictions de l'opérande <T>)

Calcule la perte

Paramètres

Étiquettes	les valeurs ou étiquettes de vérité
prédictions	les prédictions

Retour

• la perte

Réduction publique getReduction ()

Obtient la réduction des pertes

Retour

• la réduction des pertes

opérations publiques getTF ()

Obtient les opérations TensorFlow

Retour

• les opérations TensorFlow