Loss

kelas abstrak publik Kerugian

Subkelas Langsung yang Diketahui BinaryCrossentropy , CategoricalCrossentropy , CategoricalHinge , CosineSimilarity , Engsel , Huber , KLDivergence , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredLogarithmicError , Poisson , SparseCategoricalCrossentropy , SquaredHinge BinerCrossentropy Menghitung kerugian entropi silang antara label sebenarnya dan label prediksi. Crossentropi Kategoris Menghitung kerugian crossentropy antara label dan prediksi. Engsel Kategoris Menghitung kerugian engsel kategoris antara label dan prediksi. Kesamaan Kosinus Menghitung kesamaan kosinus antara label dan prediksi. Engsel Menghitung kerugian engsel antara label dan prediksi. Huber Menghitung kerugian Huber antara label dan prediksi. Divergensi KLD Menghitung kerugian divergensi Kullback-Leibler antara label dan prediksi. LogCosh Menghitung Menghitung logaritma kosinus hiperbolik dari kesalahan prediksi. Berarti AbsolutError Menghitung rata-rata perbedaan absolut antara label dan prediksi. MeanAbsolutePercentageError Menghitung rata-rata persentase kesalahan absolut antara label dan prediksi. BerartiSquaredError Menghitung rata-rata kuadrat kesalahan antara label dan prediksi. MeanSquaredLogarithmicError Menghitung rata-rata kesalahan logaritma kuadrat antara label dan prediksi. racun Menghitung kerugian Poisson antara label dan prediksi. Crossentropi Kategoris Jarang Menghitung kerugian crossentropy antara label dan prediksi. Engsel Kuadrat Menghitung kerugian engsel kuadrat antara label dan prediksi.

bidang

Pengurangan akhir statis publik

REDUCTION_DEFAULT

Metode Publik

abstrak <T extends TNumber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>, Operand <T> sampleWeights) Menghasilkan Operan yang menghitung kerugian.
<T memperluas TNomber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>) Menghitung kerugiannya
Pengurangan	dapatkan Pengurangan () Mendapatkan pengurangan kerugian
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow

Metode Warisan

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

bidang

Pengurangan final statis publik REDUCTION_DEFAULT

Metode Publik

panggilan Operand <T> abstrak publik ( label Operand <? extends TNumber >, prediksi Operand <T>, Operand <T> sampleWeights)

Menghasilkan Operan yang menghitung kerugian.

Parameter

label	nilai atau label kebenaran
prediksi	prediksi
sampelBerat	SampleWeights opsional bertindak sebagai koefisien kerugian. Jika skalar disediakan, maka kerugiannya hanya diskalakan dengan nilai yang diberikan. Jika SampleWeights adalah tensor dengan ukuran [batch_size], maka total kerugian untuk setiap sampel batch akan diubah skalanya dengan elemen terkait dalam vektor SampleWeights. Jika bentuk SampleWeights adalah [batch_size, d0, .. dN-1] (atau dapat disiarkan ke bentuk ini), maka setiap elemen prediksi yang hilang akan diskalakan dengan nilai SampleWeights yang sesuai. (Catatan pada dN-1: semua fungsi kerugian berkurang 1 dimensi, biasanya sumbu=-1.)

Kembali

• kerugian

panggilan Operand <T> publik ( label Operand <? extends TNumber >, prediksi Operand <T>)

Menghitung kerugiannya

Parameter

label	nilai atau label kebenaran
prediksi	prediksi

Kembali

• kerugian

Pengurangan publik getReduction ()

Mendapatkan pengurangan kerugian

Kembali

• pengurangan kerugian

Ops publik getTF ()

Mendapatkan Operasi TensorFlow

Kembali

• Operasi TensorFlow