Calcola l'errore percentuale medio assoluto tra etichette e previsioni.
loss = 100 * abs(labels - predictions) / labels
Utilizzo autonomo:
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
Chiamata con peso campione:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = mape.call(labels, predictions, sampleWeight); // produces 20f
Utilizzo del tipo di riduzione SUM
:
MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.SUM); Operand<TFloat32> result = mape.call(labels, predictions); // produces 100.0f
Utilizzo del tipo di riduzione NONE
:
MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.NONE); Operand<TFloat32> result = mape.call(labels, predictions); // produces [25f, 75f]
Campi ereditati
Costruttori pubblici
Errore percentuale medio assoluto (Ops tf) Crea una perdita MeanAbsolutePercentageError utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT | |
Errore percentuale medio assoluto (Ops tf, Riduzione riduzione ) Crea una perdita MeanAbsolutePercentageError utilizzando getSimpleName() come nome della perdita | |
MeanAbsolutePercentageError (Ops tf, nome stringa, riduzione riduzione ) Crea un errore medio assoluto percentuale |
Metodi pubblici
<T estende TNumero > Operando <T> |
Metodi ereditati
Costruttori pubblici
errore percentuale medio assoluto pubblico (Ops tf)
Crea una perdita MeanAbsolutePercentageError utilizzando getSimpleName()
come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT
Parametri
tf | le operazioni TensorFlow |
---|
public MeanAbsolutePercentageError (Ops tf, Riduzione riduzione)
Crea una perdita MeanAbsolutePercentageError utilizzando getSimpleName()
come nome della perdita
Parametri
tf | le operazioni TensorFlow |
---|---|
riduzione | Tipo di riduzione da applicare alla perdita. |
public MeanAbsolutePercentageError (Ops tf, nome stringa, riduzione riduzione )
Crea un errore medio assoluto percentuale
Parametri
tf | le operazioni TensorFlow |
---|---|
nome | il nome della perdita |
riduzione | Tipo di riduzione da applicare alla perdita. |
Metodi pubblici
chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)
Genera un operando che calcola la perdita.
Parametri
etichette | i valori o le etichette di verità |
---|---|
predizioni | le previsioni |
campionePesi | sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.) |
ritorna
- la perdita