| BinaryCrossentropy <T TNumber > را گسترش می دهد | یک متریک که افت آنتروپی متقاطع باینری را بین برچسب های واقعی و برچسب های پیش بینی شده محاسبه می کند. |
| CategoryCrossentropy <T تعداد TNumber را گسترش می دهد | متریکی که افت آنتروپی متقاطع بین برچسب های واقعی و برچسب های پیش بینی شده را محاسبه می کند. |
| CategoryHinge <T تعداد TNumber را گسترش می دهد | متریکی که متریک از دست دادن لولا را بین برچسب ها و پیش بینی ها محاسبه می کند. |
| CosineSimilarity <T TNumber > را گسترش می دهد | معیاری که متریک شباهت کسینوس بین برچسب ها و پیش بینی ها را محاسبه می کند. |
| لولا <T TNumber > را گسترش می دهد | معیاری که معیار تلفات لولا را بین برچسب ها و پیش بینی ها محاسبه می کند. |
| KLDvergence <T تعداد TNumber را گسترش می دهد | معیاری که معیار تلفات واگرایی Kullback-Leibler را بین برچسب ها و پیش بینی ها محاسبه می کند. |
| LogCoshError <T TNumber را گسترش می دهد > | متریکی که لگاریتم کسینوس هذلولی متریک خطای پیش‌بینی را بین برچسب‌ها و پیش‌بینی‌ها محاسبه می‌کند. |
| MeanAbsoluteError <T TNumber را گسترش می دهد > | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. |
| MeanAbsolutePercentageError <T TNumber را گسترش می دهد | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. |
| MeanSquaredError <T TNumber را گسترش می دهد > | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. |
| MeanSquaredLogarithmicError <T TNumber را گسترش می دهد | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. |
| پواسون < TNumber > را گسترش می دهد | معیاری که متریک تلفات پواسون را بین برچسب ها و پیش بینی ها محاسبه می کند. |
| SparseCategoricalCrossentropy <T تعداد TNumber را گسترش می دهد | معیاری که افت آنتروپی متقاطع طبقه‌ای پراکنده بین برچسب‌های واقعی و برچسب‌های پیش‌بینی‌شده را محاسبه می‌کند. |
| SquaredHinge <T تعداد TNumber را گسترش می دهد | معیاری که متریک تلفات لولای مجذور بین برچسب ها و پیش بینی ها را محاسبه می کند. |
