Subkelas Langsung yang Diketahui BinaryCrossentropy <T extends TNumber >, CategoricalCrossentropy <T extends TNumber >, CategoricalHinge <T extends TNumber >, CosineSimilarity <T extends TNumber >, Engsel <T extends TNumber >, KLDivergence <T extends TNumber >, LogCoshError <T extends TNumber >, MeanAbsoluteError <T memperluas TNumber >, MeanAbsolutePercentageError <T memperluas TNumber >, MeanSquaredError <T memperluas TNumber >, MeanSquaredLogarithmicError <T memperluas TNumber >, Poisson <T memperluas TNumber >, SparseCategoricalCrossentropy <T memperluas TNumber >, SquaredHinge <T memperluas TNumber > |
Kelas yang menjembatani fungsi kerugian tanpa status dengan metrik Mean
menggunakan pengurangan WEIGHTED_MEAN
.
Fungsi kerugian menghitung kerugian antara labels
dan predictions
, lalu meneruskan kerugian ini ke metrik Mean
untuk menghitung rata-rata tertimbang kerugian selama banyak iterasi atau masa
Konstanta yang Diwarisi
Metode Publik
Metrik Kerugian <T> | dapatkan Kerugian () Mendapatkan fungsi kerugian. |
Daftar< Operasi > | updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi yang memperbarui status metrik rata-rata, dengan memanggil fungsi kerugian dan meneruskan kerugian ke metrik Mean untuk menghitung rata-rata tertimbang kerugian pada banyak iterasi. |
Metode Warisan
Metode Publik
Daftar publik< Op > updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights)
Membuat Operasi yang memperbarui status metrik rata-rata, dengan memanggil fungsi kerugian dan meneruskan kerugian ke metrik Mean untuk menghitung rata-rata tertimbang kerugian pada banyak iterasi.
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 yang sesuai 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
- Daftar operasi kontrol yang memperbarui variabel keadaan rata-rata.