MeanAbsolutePercentageError

lớp công khai MeanAbsolutePercentageError

Tính toán sai số phần trăm tuyệt đối trung bình giữa nhãn và dự đoán.

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

Cách sử dụng độc lập:

    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

Gọi với trọng lượng mẫu:

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

Sử dụng loại giảm SUM :

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

Sử dụng loại giảm NONE :

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

Trường kế thừa

Từ lớp org.tensorflow.framework.losses.Loss

công khai tĩnh Giảm cuối cùng REDUCTION_DEFAULT

Nhà xây dựng công cộng

	MeanAbsolutePercentageError (Ops tf) Tạo mức tổn thất MeanAbsolutePercentageError bằng cách sử dụng `getSimpleName()` làm tên tổn thất và Mức giảm tổn thất là `REDUCTION_DEFAULT`
	MeanAbsolutePercentageError (Ops tf, Giảm mức giảm) Tạo ra lỗi MeanAbsolutePercentageError sử dụng `getSimpleName()` làm tên mất mát
	MeanAbsolutePercentageError (Ops tf, Tên chuỗi, Giảm mức giảm) Tạo ra lỗi MeanAbsolutePercentageError

Phương pháp công khai

gọi ( Toán hạng <? mở rộng TNumber > nhãn, dự đoán Toán hạng <T>, Trọng lượng mẫu Toán hạng <T>)

Tạo một toán hạng tính toán tổn thất.

Phương pháp kế thừa

Từ lớp org.tensorflow.framework.losses.Loss

trừu tượng <T mở rộng TNumber > Toán hạng <T>	gọi ( Toán hạng <? mở rộng TNumber > nhãn, dự đoán Toán hạng <T>, Trọng lượng mẫu Toán hạng <T>) Tạo một toán hạng tính toán tổn thất.
<T mở rộng TNumber > Toán hạng <T>	gọi ( Toán hạng <? mở rộng TNumber > nhãn, dự đoán Toán hạng <T>) Tính toán tổn thất
Sự giảm bớt	getReduction () Được giảm tổn thất
Rất tiếc	getTF () Nhận hoạt động của TensorFlow

Từ lớp java.lang.Object

boolean	bằng (Đối tượng arg0)
Lớp cuối cùng<?>	getClass ()
int	Mã Băm ()
khoảng trống cuối cùng	thông báo ()
khoảng trống cuối cùng	thông báoTất cả ()
Sợi dây	toString ()
khoảng trống cuối cùng	chờ đã (arg0 dài, int arg1)
khoảng trống cuối cùng	chờ đã (arg0 dài)
khoảng trống cuối cùng	Chờ đợi ()

Nhà xây dựng công cộng

công khai MeanAbsolutePercentageError (Ops tf)

Tạo mức tổn thất MeanAbsolutePercentageError bằng cách sử dụng getSimpleName() làm tên tổn thất và Mức giảm tổn thất là REDUCTION_DEFAULT

Thông số

tf	hoạt động của TensorFlow

công khai MeanAbsolutePercentageError (Ops tf, Giảm mức giảm)

Tạo ra lỗi MeanAbsolutePercentageError sử dụng getSimpleName() làm tên mất mát

Thông số

tf	hoạt động của TensorFlow
sự giảm bớt	Loại Giảm áp dụng cho tổn thất.

công khai MeanAbsolutePercentageError (Ops tf, Tên chuỗi, Giảm mức giảm)

Tạo ra lỗi MeanAbsolutePercentageError

Thông số

tf	hoạt động của TensorFlow
tên	tên của sự mất mát
sự giảm bớt	Loại Giảm áp dụng cho tổn thất.

Phương pháp công khai

lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)

Tạo một toán hạng tính toán tổn thất.

Thông số

nhãn	các giá trị thật hoặc nhãn
phỏng đoán	những dự đoán
mẫuTrọng lượng	Khối lượng mẫu tùy chọn đóng vai trò như một hệ số tổn thất. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu SampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.)

Trả lại

sự mất mát