Bilinen Doğrudan Alt Sınıflar BinaryCrossentropy <T extends TNumber >, CategoricalCrossentropy <T extends TNumber >, CategoricalHinge <T extends TNumber >, CosineSimilarity <T extends TNumber >, Menteşe <T extends TNumber >, KLDivergence <T extends TNumber >, LogCoshError <T extends TNumber >, MeanAbsoluteError <T extends TNumber >, MeanAbsolutePercentageError <T extends TNumber >, MeanSquaredError <T extends TNumber >, MeanSquaredLogarithmicError <T extends TNumber >, Poisson <T extends TNumber >, SparseCategoricalCrossentropy <T extends TNumber >, SquaredHinge <T extends TNumber > |
WEIGHTED_MEAN
azaltmasını kullanarak durum bilgisi olmayan bir kayıp işlevini Mean
metriği ile birleştiren bir sınıf.
Kayıp işlevi, labels
ve predictions
arasındaki kaybı hesaplar ve ardından bu kaybı, birçok yineleme veya dönem boyunca kaybın ağırlıklı ortalamasını hesaplamak için Mean
metriğine iletir.
Devralınan Sabitler
Genel Yöntemler
KayıpMetrik <T> | kayıp () Kayıp fonksiyonunu alır. |
Liste< Op > | updateStateList ( İşlenen <? TNumber'ı genişletir > etiketleri, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights) Birçok yinelemede kaybın ağırlıklı ortalamasını hesaplamak için kayıp işlevini çağırarak ve kaybı Ortalama metriğe ileterek ortalama metriğin durumunu güncelleyen İşlemler oluşturur. |
Kalıtsal Yöntemler
Genel Yöntemler
public List< Op > updateStateList ( İşlenen <? TNumber'ı genişletir > etiketler, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights)
Birçok yinelemede kaybın ağırlıklı ortalamasını hesaplamak için kayıp işlevini çağırarak ve kaybı Ortalama metriğe ileterek ortalama metriğin durumunu güncelleyen İşlemler oluşturur.
Parametreler
etiketler | doğruluk değerleri veya etiketleri |
---|---|
tahminler | tahminler |
örnekAğırlıklar | İsteğe bağlı sampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. sampleWeights, [batch_size] boyutunda bir tensör ise, o zaman partinin her numunesi için toplam kayıp, sampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, sampleWeights'ın karşılık gelen değerine göre ölçeklenir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.) |
İadeler
- Ortalama durum değişkenlerini güncelleyen kontrol işlemlerinin listesi.