Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.nn.compute_average_loss

TensorFlow 1 wersja Zobacz źródło na GitHub

Wagi per-przykład straty z sample_weights i oblicza ich średnią.

Stosowany w notebookach

Używany w przewodniku Używany w samouczków

Wykorzystanie strategii dystrybucyjnej oraz z pętli zwyczaj szkoleniowej:

 with strategy.scope():
  def compute_loss(labels, predictions, sample_weight=None):

    # If you are using a `Loss` class instead, set reduction to `NONE` so that
    # we can do the reduction afterwards and divide by global batch size.
    per_example_loss = tf.keras.losses.sparse_categorical_crossentropy(
        labels, predictions)

    # Compute loss that is scaled by sample_weight and by global batch size.
    return tf.nn.compute_average_loss(
        per_example_loss,
        sample_weight=sample_weight,
        global_batch_size=GLOBAL_BATCH_SIZE)
 

per_example_loss Per-przykład strata.
sample_weight Opcjonalnie waga dla każdego przykładu.
global_batch_size Opcjonalnie globalna wartość wielkość partii. Domyślnie (rozmiar pierwszego wymiaru losses ) * (liczba replik).

Skalarne wartość strat.