Известные прямые подклассы BinaryCrossentropy <T расширяет TNumber >, CategoricalCrossentropy <T расширяет TNumber >, CategoricalHinge <T расширяет TNumber >, CosineSimilarity <T расширяет TNumber >, Hinge <T расширяет TNumber >, KLDivergence <T расширяет TNumber >, LogCoshError <T расширяет TNumber >, MeanAbsoluteError <T расширяет TNumber >, MeanAbsolutePercentageError <T расширяет TNumber >, MeanSquaredError <T расширяет TNumber >, MeanSquaredLogarithmicError <T расширяет TNumber >, Пуассон <T расширяет TNumber >, SparseCategoricalCrossentropy <T расширяет TNumber >, SquaredHinge <T расширяет TNumber > |
Класс, который соединяет функцию потерь без сохранения состояния с метрикой Mean
, используя сокращение WEIGHTED_MEAN
.
Функция потерь вычисляет потери между labels
и predictions
, а затем передает эти потери в метрику Mean
для расчета средневзвешенного значения потерь за множество итераций или эпох.
Унаследованные константы
Публичные методы
ЛоссМетрика <T> | получитьПотерю () Получает функцию потерь. |
Список< Оп > | updateStateList ( Операнд <? расширяет метки TNumber >, Операнд <? расширяет прогнозы TNumber >, Операнд <? расширяет TNumber > sampleWeights) Создает операции, которые обновляют состояние средней метрики, вызывая функцию потерь и передавая потери в метрику среднего для расчета средневзвешенного значения потерь за множество итераций. |
Унаследованные методы
Публичные методы
public List< Op > updateStateList ( Операнд <? расширяет метки TNumber >, Операнд <? расширяет TNumber > предсказания, Операнд <? расширяет TNumber > sampleWeights)
Создает операции, которые обновляют состояние средней метрики, вызывая функцию потерь и передавая потери в метрику среднего для расчета средневзвешенного значения потерь за множество итераций.
Параметры
этикетки | значения истинности или метки |
---|---|
предсказания | предсказания |
образецВес | Необязательный sampleWeights действует как коэффициент потерь. Если указан скаляр, то потери просто масштабируются по заданному значению. Если sampleWeights — это тензор размера [batch_size], то общие потери для каждой выборки пакета масштабируются соответствующим элементом вектора sampleWeights. Если форма sampleWeights равна [batch_size, d0, .. dN-1] (или может быть передана в эту форму), то каждый элемент потерь прогнозов масштабируется соответствующим значением sampleWeights. (Примечание к dN-1: все функции потерь уменьшаются на 1 измерение, обычно ось = -1.) |
Возврат
- Список операций управления, которые обновляют переменные состояния Mean.