Cette page a été traduite par l'API Cloud Translation.
Switch to English

tf.nn.log_poisson_loss

Tensorflow 1 Version Voir la source sur GitHub

Perte donnée Computes log Poisson log_input .

Donne la perte de vraisemblance entre la prédiction et la cible en supposant que la cible a une distribution de Poisson. Avertissement: Par défaut, ce n'est pas la perte exacte, mais la perte moins un terme constant [log (z!)]. Cela n'a aucun effet pour l'optimisation, mais ne joue pas bien avec des comparaisons de perte relative. Pour calculer une approximation du journal terme factoriel, spécifiez compute_full_loss = true pour activer l'approximation de Stirling.

Par souci de concision, laissez c = log(x) = log_input , z = targets . Le journal est la perte de Poisson

   -log(exp(-x) * (x^z) / z!)
= -log(exp(-x) * (x^z)) + log(z!)
~ -log(exp(-x)) - log(x^z) [+ z * log(z) - z + 0.5 * log(2 * pi * z)]
    [ Note the second term is the Stirling's Approximation for log(z!).
      It is invariant to x and does not affect optimization, though
      important for correct relative loss comparisons. It is only
      computed when compute_full_loss == True. ]
= x - z * log(x) [+ z * log(z) - z + 0.5 * log(2 * pi * z)]
= exp(c) - z * c [+ z * log(z) - z + 0.5 * log(2 * pi * z)]
 

targets Un Tensor du même type et de la forme que log_input .
log_input Un Tensor de type float32 ou float64 .
compute_full_loss que ce soit pour calculer la perte complète. Si elle est fausse, est tombé un terme constant en faveur de l'optimisation plus efficace.
name Un nom pour l'opération (en option).

Un Tensor de la même forme que log_input les pertes logistiques par composantes.

ValueError Si log_input et les targets ne sont pas la même forme.