MeanAbsoluteError

classe publique MeanAbsoluteError

Calcule la moyenne de la différence absolue entre les étiquettes et les prédictions.

loss = abs(labels - predictions)

Utilisation autonome :

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 1.f}, {1.f, 0.f} });
    MeanAbsoluteError mae = new MeanAbsoluteError(tf);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces 0.5f
 

Appel avec le poids de l'échantillon :

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f});
    Operand<TFloat32> result = mae.call(labels, predictions, sampleWeight);
    // produces 0.25f
 

Utilisation du type de réduction SUM :

    MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.SUM);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces 1.0f
 

Utilisation du type de réduction NONE :

    MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.NONE);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces [0.5f, 0.5f]
 

Champs hérités

De la classe org.tensorflow.framework.losses.Loss

public statique final Réduction

RÉDUCTION_DEFAULT

Constructeurs Publics

	MeanAbsoluteError (Ops tf) Crée une perte MeanAbsoluteError en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT
	MeanAbsoluteError (Ops tf, réduction de réduction ) Crée une perte MeanAbsoluteError en utilisant getSimpleName() comme nom de perte
	MeanAbsoluteError (Ops tf, nom de chaîne, réduction de réduction ) Crée une MeanAbsoluteError

Méthodes publiques

<T étend TNumber > Opérande <T>

appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights) Génère un opérande qui calcule la perte.

Méthodes héritées

De la classe org.tensorflow.framework.losses.Loss

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

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 ()

Constructeurs Publics

public MeanAbsoluteError (Ops tf)

Crée une perte MeanAbsoluteError en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT

Paramètres

tf	les opérations TensorFlow

public MeanAbsoluteError (Ops tf, Réduction réduction)

Crée une perte MeanAbsoluteError en utilisant getSimpleName() comme nom de perte

Paramètres

tf	les opérations TensorFlow
réduction	Type de réduction à appliquer sur le sinistre.

public MeanAbsoluteError (Ops tf, nom de chaîne, réduction de réduction )

Crée une MeanAbsoluteError

Paramètres

tf	les opérations TensorFlow
nom	le nom de la perte
réduction	Type de réduction à appliquer sur le sinistre.

Méthodes publiques

appel public Operand <T> ( 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