MeanSquaredError

MeanSquaredError kelas publik

Menghitung rata-rata kuadrat kesalahan antara label dan prediksi.

loss = loss = square(labels - predictions)

Penggunaan mandiri:

    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} });
    MeanSquaredError mse = new MeanSquaredError(tf);
    Operand<TFloat32> result = mse.call(labels, predictions);
    // produces 0.5f
 

Memanggil dengan berat sampel:

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

Menggunakan tipe pengurangan SUM :

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

Menggunakan tipe reduksi NONE :

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

Bidang Warisan

Dari kelas org.tensorflow.framework.losses.Loss

Pengurangan akhir statis publik

REDUCTION_DEFAULT

Konstruktor Publik

	MeanSquaredError (Ops tf) Membuat Kerugian MeanSquaredError menggunakan getSimpleName() sebagai nama kerugian dan Pengurangan Kerugian sebesar REDUCTION_DEFAULT
	MeanSquaredError (Ops tf, Pengurangan pengurangan) Membuat MeanSquaredError Loss menggunakan getSimpleName() sebagai nama kerugian
	MeanSquaredError (Ops tf, Nama string, Pengurangan pengurangan) Membuat MeanSquaredError

Metode Publik

<T memperluas TNomber > Operan <T>

panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>, Operand <T> sampleWeights) Menghasilkan Operan yang menghitung kerugian.

Metode Warisan

Dari kelas org.tensorflow.framework.losses.Loss

abstrak <T extends TNumber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>, Operand <T> sampleWeights) Menghasilkan Operan yang menghitung kerugian.
<T memperluas TNomber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>) Menghitung kerugiannya
Pengurangan	dapatkan Pengurangan () Mendapatkan pengurangan kerugian
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Konstruktor Publik

MeanSquaredError publik (Ops tf)

Membuat Kerugian MeanSquaredError menggunakan getSimpleName() sebagai nama kerugian dan Pengurangan Kerugian sebesar REDUCTION_DEFAULT

Parameter

tf	Operasi TensorFlow

MeanSquaredError publik (Ops tf, Pengurangan pengurangan)

Membuat MeanSquaredError Loss menggunakan getSimpleName() sebagai nama kerugian

Parameter

tf	Operasi TensorFlow
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

MeanSquaredError publik (Ops tf, Nama string, Pengurangan pengurangan)

Membuat MeanSquaredError

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

Metode Publik

panggilan Operand <T> publik ( label Operand <? extends TNumber >, prediksi Operand <T>, Operand <T> sampleWeights)

Menghasilkan Operan yang menghitung kerugian.

Parameter

label	nilai atau label kebenaran
prediksi	prediksi
sampelBerat	SampleWeights opsional bertindak sebagai koefisien kerugian. Jika skalar disediakan, maka kerugiannya hanya diskalakan dengan nilai yang diberikan. Jika SampleWeights adalah tensor dengan ukuran [batch_size], maka total kerugian untuk setiap sampel batch akan diubah skalanya dengan elemen terkait dalam vektor SampleWeights. Jika bentuk SampleWeights adalah [batch_size, d0, .. dN-1] (atau dapat disiarkan ke bentuk ini), maka setiap elemen prediksi yang hilang akan diskalakan dengan nilai SampleWeights yang sesuai. (Catatan pada dN-1: semua fungsi kerugian berkurang 1 dimensi, biasanya sumbu=-1.)

Kembali

• kerugian