Conozca lo último en aprendizaje automático, IA generativa y más en el
Simposio WiML 2023.
Loss
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Subclases directas conocidas BinaryCrossentropy , CategoricalCrossentropy , CategoricalHinge , similitud coseno , Bisagra , Huber , KLDivergence , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredLogarithmicError , Poisson , SparseCategoricalCrossentropy , SquaredHinge BinaryCrossentropía | Calcula la pérdida de entropía cruzada entre etiquetas verdaderas y etiquetas predichas. | CategóricoCrossentropía | Calcula la pérdida de entropía cruzada entre las etiquetas y las predicciones. | CategóricoBisagra | Calcula la pérdida de bisagra categórica entre etiquetas y predicciones. | CosenoSimilitud | Calcula la similitud de coseno entre etiquetas y predicciones. | Bisagra | Calcula la pérdida de bisagra entre etiquetas y predicciones. | Huber | Calcula la pérdida de Huber entre etiquetas y predicciones. | KLDivergencia | Calcula la pérdida de divergencia de Kullback-Leibler entre etiquetas y predicciones. | LogCosh | Calcula Calcula el logaritmo del coseno hiperbólico del error de predicción. | MeanAbsoluteError | Calcula la media de la diferencia absoluta entre etiquetas y predicciones. | MeanAbsolutePercentageError | Calcula el error porcentual absoluto medio entre etiquetas y predicciones. | Error medio cuadrado | Calcula la media de cuadrados de errores entre etiquetas y predicciones. | MeanSquaredLogarithmicError | Calcula los errores logarítmicos cuadráticos medios entre etiquetas y predicciones. | Poisson | Calcula la pérdida de Poisson entre etiquetas y predicciones. | SparseCategoricalCrossentropy | Calcula la pérdida de entropía cruzada entre etiquetas y predicciones. | CuadradoBisagra | Calcula la pérdida de bisagra al cuadrado entre etiquetas y predicciones. |
|
Métodos heredados
De la clase java.lang.Object booleano | es igual a (Objeto arg0) |
Clase final <?> | getClass () |
En t | hashCode () |
vacío final | notificar () |
vacío final | notificar a todos () |
Cuerda | toString () |
vacío final | esperar (largo arg0, int arg1) |
vacío final | espera (largo arg0) |
vacío final | esperar () |
Campos
Reducción final estática pública REDUCTION_DEFAULT
Métodos públicos
Resumen público Llamada al operando <T> ( operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights)
Genera un operando que calcula la pérdida.
Parámetros
etiquetas | los valores de verdad o etiquetas |
---|
predicciones | las predicciones |
---|
sampleWeights | SampleWeights opcional actúa como un coeficiente para la pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala por el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total para cada muestra del lote se reescala por el elemento correspondiente en el vector SampleWeights. Si la forma de SampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala por el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1). |
---|
Llamada pública al operando <T> ( operando <? extiende las etiquetas TNumber >, predicciones del operando <T>)
Parámetros
etiquetas | los valores de verdad o etiquetas |
---|
predicciones | las predicciones |
---|
getReduction de reducción pública ()
Obtiene la reducción de pérdidas
operaciones públicas getTF ()
Obtiene las operaciones de TensorFlow
Devoluciones
- las operaciones de TensorFlow
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2021-04-01 (UTC)
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muy complicado o demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desactualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema con las muestras o los códigos"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de comprender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Resolvió mi problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]