Calcule les erreurs logarithmiques quadratiques moyennes entre les étiquettes et les prédictions.
loss = square(log(labels + 1.) - log(predictions + 1.))
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} }); MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf); Operand<TFloat32> result = msle.call(labels, predictions); // produces 0.240f
Appel avec le poids de l'échantillon :
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = msle.call(labels, predictions, sampleWeight); // produces 0.120f
Utilisation du type de réduction SUM
:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.SUM); Operand<TFloat32> result = msle.call(labels, predictions); // produces 0.480f
Utilisation du type de réduction NONE
:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.NONE); Operand<TFloat32> result = msle.call(labels, predictions); // produces [0.240f, 0.240f]
Champs hérités
Constructeurs Publics
MeanSquaredLogarithmicError (Ops tf) Crée une perte MeanSquaredError en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT | |
MeanSquaredLogarithmicError (Ops tf, réduction de réduction ) Crée une perte MeanSquaredError en utilisant getSimpleName() comme nom de perte | |
MeanSquaredLogarithmicError (Ops tf, nom de chaîne, réduction de réduction ) Crée une MeanSquaredError |
Méthodes publiques
<T étend TNumber > Opérande <T> |
Méthodes héritées
Constructeurs Publics
public MeanSquaredLogarithmicError (Ops tf)
Crée une perte MeanSquaredError en utilisant getSimpleName()
comme nom de perte et une réduction de perte de REDUCTION_DEFAULT
Paramètres
tf | les opérations TensorFlow |
---|
public MeanSquaredLogarithmicError (Ops tf, réduction )
Crée une perte MeanSquaredError en utilisant getSimpleName()
comme nom de perte
Paramètres
tf | les opérations TensorFlow |
---|---|
réduction | Type de réduction à appliquer sur le sinistre. |
public MeanSquaredLogarithmicError (Ops tf, nom de chaîne, réduction de réduction )
Crée une MeanSquaredError
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