Sous-classes directes connues BinaryCrossentropy <T étend TNumber >, CategoricalCrossentropy <T étend TNumber >, CategoricalHinge <T étend TNumber >, CosineSimilarity <T étend TNumber >, Hinge <T étend TNumber >, KLDivergence <T étend TNumber >, LogCoshError <T étend TNumber >, MeanAbsoluteError <T étend TNumber >, MeanAbsolutePercentageError <T étend TNumber >, MeanSquaredError <T étend TNumber >, MeanSquaredLogarithmicError <T étend TNumber >, Poisson <T étend TNumber >, SparseCategoricalCrossentropy <T étend TNumber >, SquaredHinge <T étend TNumber > |
Classe qui relie une fonction de perte sans état avec la métrique Mean
en utilisant une réduction de WEIGHTED_MEAN
.
La fonction de perte calcule la perte entre les labels
et predictions
, puis transmet cette perte à la métrique Mean
pour calculer la moyenne pondérée de la perte sur plusieurs itérations ou époques.
Constantes héritées
Méthodes publiques
LossMetric <T> | obtenirPerte () Obtient la fonction de perte. |
Liste< Op > | updateStateList ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions, Opérande <? étend TNumber > sampleWeights) Crée des opérations qui mettent à jour l'état de la métrique moyenne, en appelant la fonction de perte et en transmettant la perte à la métrique moyenne pour calculer la moyenne pondérée de la perte sur plusieurs itérations. |
Méthodes héritées
Méthodes publiques
public List< Op > updateStateList ( Operand <? extends TNumber > labels, Operand <? extends TNumber > prédictions, Operand <? extends TNumber > sampleWeights)
Crée des opérations qui mettent à jour l'état de la métrique moyenne, en appelant la fonction de perte et en transmettant la perte à la métrique moyenne pour calculer la moyenne pondérée de la perte sur plusieurs itérations.
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 sous 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
- une liste d'opérations de contrôle qui met à jour les variables d'état moyen.