MeanSquaredLogarithmicError

คลาสสาธารณะ MeanSquaredLogarithmicError

คำนวณข้อผิดพลาดลอการิทึมกำลังสองเฉลี่ยระหว่างป้ายกำกับและการคาดคะเน

loss = square(log(labels + 1.) - log(predictions + 1.))

การใช้งานแบบสแตนด์อโลน:

    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
 

การโทรด้วยน้ำหนักตัวอย่าง:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f});
    Operand<TFloat32> result = msle.call(labels, predictions, sampleWeight);
    // produces 0.120f
 

การใช้ประเภทการลด SUM :

    MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.SUM);
    Operand<TFloat32> result = msle.call(labels, predictions);
    // produces 0.480f
 

การใช้ประเภทการลด NONE :

    MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.NONE);
    Operand<TFloat32> result = msle.call(labels, predictions);
    // produces [0.240f, 0.240f]
 

ฟิลด์ที่สืบทอดมา

จากคลาส org.tensorflow.framework.losses.Loss

การลด ขั้นสุดท้ายแบบคงที่สาธารณะ

ลด_ค่าเริ่มต้น

คอนสตรัคชั่นสาธารณะ

	ข้อผิดพลาดลอการิทึม MeanSquared (Ops tf) สร้างการสูญเสีย MeanSquaredError โดยใช้ getSimpleName() เป็นชื่อการสูญเสียและการลดการสูญเสียของ REDUCTION_DEFAULT
	MeanSquaredLogarithmicError (Ops tf, การลด การลด ) สร้าง MeanSquaredError Loss โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย
	MeanSquaredLogarithmicError (Ops tf ชื่อสตริง การลดการลด ) สร้าง MeanSquaredError

วิธีการสาธารณะ

<T ขยาย TNumber > ตัวถูกดำเนินการ <T>

โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก) สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

วิธีการสืบทอด

จากคลาส org.tensorflow.framework.losses.Loss

บทคัดย่อ <T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก) สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย
<T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์) คำนวณการสูญเสีย
การลดน้อยลง	ได้รับการลด () ได้รับการลดการสูญเสีย
ปฏิบัติการ	getTF () รับ Ops TensorFlow

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

คอนสตรัคชั่นสาธารณะ

สาธารณะ MeanSquaredLogarithmicError (Ops tf)

สร้างการสูญเสีย MeanSquaredError โดยใช้ getSimpleName() เป็นชื่อการสูญเสียและการลดการสูญเสียของ REDUCTION_DEFAULT

พารามิเตอร์

ไม่	Ops ของ TensorFlow

สาธารณะ MeanSquaredLogarithmicError (Ops tf, ลด การลด )

สร้าง MeanSquaredError Loss โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย

พารามิเตอร์

ไม่	Ops ของ TensorFlow
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

MeanSquaredLogarithmicError สาธารณะ (Ops tf ชื่อสตริง การลดการลด )

สร้าง MeanSquaredError

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

วิธีการสาธารณะ

ตัวดำเนินการ สาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก)

สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

พารามิเตอร์

ฉลาก	ค่าความจริงหรือป้ายกำกับ
การคาดการณ์	การคาดการณ์
ตัวอย่างน้ำหนัก	SampleWeights ที่เป็นตัวเลือกจะทำหน้าที่เป็นสัมประสิทธิ์การสูญเสีย หากมีการระบุสเกลาร์ การสูญเสียก็จะถูกปรับขนาดตามค่าที่กำหนด หาก SampleWeights เป็นเทนเซอร์ที่มีขนาด [batch_size] ค่าที่สูญเสียทั้งหมดสำหรับแต่ละตัวอย่างในแบตช์จะถูกปรับขนาดใหม่โดยองค์ประกอบที่เกี่ยวข้องในเวกเตอร์ SampleWeights หากรูปร่างของ SampleWeights คือ [batch_size, d0, .. dN-1] (หรือสามารถถ่ายทอดไปยังรูปร่างนี้ได้) องค์ประกอบที่สูญเสียไปแต่ละรายการของการคาดการณ์จะถูกปรับขนาดตามค่าที่สอดคล้องกันของ SampleWeights (หมายเหตุสำหรับ dN-1: ฟังก์ชันการสูญเสียทั้งหมดลดลง 1 มิติ โดยปกติจะเป็นแกน=-1)

การส่งคืน

• การสูญเสีย