Sottoclassi dirette conosciute BinaryCrossentropy <T estende TNumber >, CategoricalCrossentropy <T estende TNumber >, CategoricalHinge <T estende TNumber >, CosineSimilarity <T estende TNumber >, Hinge <T estende TNumber >, KLDivergence <T estende TNumber >, LogCoshError <T estende TNumber >, MeanAbsoluteError <T estende TNumber >, MeanAbsolutePercentageError <T estende TNumber >, MeanSquaredError <T estende TNumber >, MeanSquaredLogarithmicError <T estende TNumber >, Poisson <T estende TNumber >, SparseCategoricalCrossentropy <T estende TNumber >, SquaredHinge <T estende TNumber > |
Una classe che collega una funzione di perdita senza stato con la metrica Mean
utilizzando una riduzione di WEIGHTED_MEAN
.
La funzione di perdita calcola la perdita tra le labels
e predictions
, quindi passa questa perdita alla metrica Mean
per calcolare la media ponderata della perdita su molte iterazioni o epoche
Costanti ereditate
Metodi pubblici
Perdita metrica <T> | perdersi, smarrirsi () Ottiene la funzione di perdita. |
Elenco< Op > | updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea operazioni che aggiornano lo stato della metrica media, chiamando la funzione di perdita e passando la perdita alla metrica media per calcolare la media ponderata della perdita su molte iterazioni. |
Metodi ereditati
Metodi pubblici
public List< Op > updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights)
Crea operazioni che aggiornano lo stato della metrica media, chiamando la funzione di perdita e passando la perdita alla metrica media per calcolare la media ponderata della perdita su molte iterazioni.
Parametri
etichette | i valori o le etichette di verità |
---|---|
predizioni | le previsioni |
campionePesi | sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se sampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore sampleWeights. Se la forma di sampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di sampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.) |
ritorna
- a Elenco di operazioni di controllo che aggiornano le variabili di stato Mean.