MeanAbsolutePercentageError

כיתה ציבורית MeanAbsolutePercentageError

מחשב את השגיאה הממוצעת באחוז מוחלט בין תוויות ותחזיות.

loss = 100 * abs(labels - predictions) / labels

שימוש עצמאי:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {2.f, 1.f}, {2.f, 3.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 1.f}, {1.f, 0.f} });
    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces 50f
 

מתקשר עם משקל לדוגמה:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f});
    Operand<TFloat32> result = mape.call(labels, predictions, sampleWeight);
    // produces 20f
 

שימוש בסוג הפחתת SUM :

    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.SUM);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces 100.0f
 

שימוש בסוג הפחתה NONE :

    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.NONE);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces [25f, 75f]
 

שדות בירושה

מכיתה org.tensorflow.framework.losses.Loss

הפחתה סופית סטטית ציבורית

REDUCTION_DEFAULT

בונים ציבוריים

	MeanAbsolutePercentageError (Ops tf) יוצר הפסד MeanAbsolutePercentageError באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT
	MeanAbsolutePercentageError (Ops tf, הפחתת הפחתה ) יוצר MeanAbsolutePercentageError Loss באמצעות getSimpleName() כשם ההפסד
	MeanAbsolutePercentageError (Ops tf, שם מחרוזת, הפחתת הפחתה ) יוצר שגיאה MeanAbsolutePercentage

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 ()

בונים ציבוריים

public MeanAbsolutePercentageError (Ops tf)

יוצר הפסד MeanAbsolutePercentageError באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים

tf	ה- TensorFlow Ops

public MeanAbsolutePercentageError (Ops tf, הפחתת הפחתה )

יוצר MeanAbsolutePercentageError Loss באמצעות getSimpleName() כשם ההפסד

פרמטרים

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

public MeanAbsolutePercentageError (Ops tf, שם מחרוזת, הפחתת צמצום )

יוצר שגיאה MeanAbsolutePercentage

פרמטרים

tf	ה- TensorFlow Ops
שֵׁם	שם האובדן
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 טנסור 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