Subclasses diretas conhecidas BinaryCrossentropy <T estende TNumber >, CategoricalCrossentropy <T estende TNumber >, CategoricalHinge <T estende TNumber >, CosineSimilarity <T estende TNumber >, dobradiça <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 > |
Uma classe que conecta uma função de perda sem estado com a métrica Mean
usando uma redução de WEIGHTED_MEAN
.
A função de perda calcula a perda entre os labels
e predictions
e então passa essa perda para a métrica Mean
para calcular a média ponderada da perda em muitas iterações ou épocas
Constantes herdadas
Métodos Públicos
LossMetric <T> | getLoss () Obtém a função de perda. |
Lista < Op > | updateStateList ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda em várias iterações. |
Métodos herdados
Métodos Públicos
Lista pública < Op > updateStateList ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights)
Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda em várias iterações.
Parâmetros
rótulos | os valores verdadeiros ou rótulos |
---|---|
previsões | as previsões |
sampleWeights | SampleWeights opcional atua como um coeficiente para a perda. Se um escalar for fornecido, a perda será simplesmente dimensionada pelo valor fornecido. Se sampleWeights for um tensor de tamanho [batch_size], a perda total de cada amostra do lote será redimensionada pelo elemento correspondente no vetor sampleWeights. Se a forma de sampleWeights for [batch_size, d0, .. dN-1] (ou pode ser transmitido para esta forma), então cada elemento de perda de previsões é escalado pelo valor correspondente de sampleWeights. (Nota sobre dN-1: todas as funções de perda reduzem em 1 dimensão, geralmente eixo = -1.) |
Devoluções
- uma lista de operações de controle que atualiza as variáveis de estado médio.