Loss

การสูญเสีย คลาสนามธรรมสาธารณะ

คลาสย่อยโดยตรงที่รู้จัก BinaryCrossentropy , CategoricalCrossentropy , CategoricalHinge , CosineSimilarity , Hinge , Huber , KLDivergence , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredLogarithmicError , Poisson , SparseCategoricalCrossentropy , บานพับสี่เหลี่ยม ไบนารีครอสเซนโทรปี คำนวณการสูญเสียข้ามเอนโทรปีระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์ไว้ หมวดหมู่ Crossentropy คำนวณการสูญเสียข้ามเอนโทรปีระหว่างป้ายกำกับและการทำนาย บานพับแบบเด็ดขาด คำนวณการสูญเสียบานพับตามหมวดหมู่ระหว่างป้ายกำกับและการคาดคะเน โคไซน์ความคล้ายคลึงกัน คำนวณความคล้ายคลึงโคไซน์ระหว่างป้ายกำกับและการทำนาย บานพับ คำนวณการสูญเสียบานพับระหว่างป้ายกำกับและการคาดคะเน ฮูเบอร์ คำนวณการสูญเสียของ Huber ระหว่างป้ายกำกับและการทำนาย KLDivergence คำนวณการสูญเสียความแตกต่างระหว่าง Kullback-Leibler ระหว่างป้ายกำกับและการคาดคะเน LogCosh คำนวณ คำนวณลอการิทึมของโคไซน์ไฮเปอร์โบลิกของข้อผิดพลาดในการทำนาย หมายถึงข้อผิดพลาดสัมบูรณ์ คำนวณค่าเฉลี่ยความแตกต่างสัมบูรณ์ระหว่างป้ายกำกับและการคาดคะเน ค่าเฉลี่ยสัมบูรณ์ข้อผิดพลาด คำนวณเปอร์เซ็นต์ความคลาดเคลื่อนแบบสัมบูรณ์เฉลี่ยระหว่างป้ายกำกับและการคาดคะเน ข้อผิดพลาด MeanSquared คำนวณค่าเฉลี่ยกำลังสองของข้อผิดพลาดระหว่างป้ายกำกับและการคาดคะเน ข้อผิดพลาดลอการิทึมลอการิทึมค่าเฉลี่ยกำลังสอง คำนวณข้อผิดพลาดลอการิทึมกำลังสองเฉลี่ยระหว่างป้ายกำกับและการคาดคะเน ปัวซอง คำนวณการสูญเสียปัวซองระหว่างป้ายกำกับและการทำนาย เบาบางหมวดหมู่ Crossentropy คำนวณการสูญเสียข้ามเอนโทรปีระหว่างป้ายกำกับและการทำนาย บานพับสี่เหลี่ยม คำนวณการสูญเสียบานพับกำลังสองระหว่างป้ายกำกับและการคาดคะเน

เขตข้อมูล

การลด ขั้นสุดท้ายแบบคงที่สาธารณะ

ลด_ค่าเริ่มต้น

วิธีการสาธารณะ

บทคัดย่อ <T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก) สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย
<T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์) คำนวณการสูญเสีย
การลดน้อยลง	ได้รับการลด () ได้รับการลดการสูญเสีย
ปฏิบัติการ	getTF () รับ Ops TensorFlow

วิธีการสืบทอด

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

เขตข้อมูล

การลด ขั้นสุดท้ายแบบคงที่สาธารณะ REDUCTION_DEFAULT

วิธีการสาธารณะ

ตัวดำเนินการ นามธรรมสาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก)

สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

พารามิเตอร์

ฉลาก	ค่าความจริงหรือป้ายกำกับ
การคาดการณ์	การคาดการณ์
ตัวอย่างน้ำหนัก	SampleWeights ที่เป็นตัวเลือกจะทำหน้าที่เป็นสัมประสิทธิ์การสูญเสีย หากมีการระบุสเกลาร์ การสูญเสียก็จะถูกปรับขนาดตามค่าที่กำหนด หาก SampleWeights เป็นเทนเซอร์ที่มีขนาด [batch_size] ค่าที่สูญเสียทั้งหมดสำหรับแต่ละตัวอย่างในแบตช์จะถูกปรับขนาดใหม่โดยองค์ประกอบที่เกี่ยวข้องในเวกเตอร์ SampleWeights หากรูปร่างของ SampleWeights คือ [batch_size, d0, .. dN-1] (หรือสามารถถ่ายทอดไปยังรูปร่างนี้ได้) องค์ประกอบที่สูญเสียไปแต่ละรายการของการคาดการณ์จะถูกปรับขนาดตามค่าที่สอดคล้องกันของ SampleWeights (หมายเหตุสำหรับ dN-1: ฟังก์ชันการสูญเสียทั้งหมดลดลง 1 มิติ โดยปกติจะเป็นแกน=-1)

การส่งคืน

• การสูญเสีย

ตัวดำเนินการ สาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ ตัวดำเนินการ <T> การคาดการณ์)

คำนวณการสูญเสีย

พารามิเตอร์

ฉลาก	ค่าความจริงหรือป้ายกำกับ
การคาดการณ์	การคาดการณ์

การส่งคืน

• การสูญเสีย

การลด สาธารณะ getReduction ()

ได้รับการลดการสูญเสีย

การส่งคืน

• การลดการสูญเสีย

ปฏิบัติการสาธารณะ getTF ()

รับ Ops TensorFlow

การส่งคืน

• Ops ของ TensorFlow