Aprenda o que há de mais recente em aprendizado de máquina, IA generativa e muito mais no WiML Symposium 2023
Registre-se
Loss
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Subclasses diretas conhecidas BinaryCrossentropy , CategoricalCrossentropy , CategoricalHinge , CosineSimilarity , dobradiça , Huber , KLDivergence , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredLogarithmicError , Poisson , SparseCategoricalCrossentropy , SquaredHinge BinaryCrossentropy | Calcula a perda de entropia cruzada entre rótulos verdadeiros e rótulos previstos. | CategoricalCrossentropy | Calcula a perda de entropia cruzada entre os rótulos e as previsões. | CategoricalHinge | Calcula a perda de dobradiça categórica entre rótulos e previsões. | CosineSimilarity | Calcula a semelhança de cosseno entre rótulos e previsões. | Dobradiça | Calcula a perda de dobradiça entre rótulos e previsões. | Huber | Calcula a perda de Huber entre rótulos e previsões. | KLDivergence | Calcula a perda de divergência de Kullback-Leibler entre rótulos e previsões. | LogCosh | Calcula Calcula o logaritmo do cosseno hiperbólico do erro de previsão. | MeanAbsoluteError | Calcula a média da diferença absoluta entre rótulos e previsões. | MeanAbsolutePercentageError | Calcula o erro percentual médio absoluto entre rótulos e previsões. | MeanSquaredError | Calcula a média dos quadrados dos erros entre rótulos e previsões. | MeanSquaredLogarithmicError | Calcula os erros logarítmicos médios quadrados entre rótulos e previsões. | Poisson | Calcula a perda de Poisson entre rótulos e previsões. | SparseCategoricalCrossentropy | Calcula a perda de entropia cruzada entre rótulos e previsões. | SquaredHinge | Calcula a perda de dobradiça quadrada entre rótulos e previsões. |
|
Métodos herdados
Da classe java.lang.Object boleano | igual a (objeto arg0) |
aula final <?> | getClass () |
int | hashCode () |
vazio final | notificar () |
vazio final | notificar tudo () |
Fragmento | toString () |
vazio final | espera (long arg0, int arg1) |
vazio final | espera (long arg0) |
vazio final | espera () |
Campos
Redução public static final REDUCTION_DEFAULT
Métodos Públicos
public abstract Operando <T> chamada ( Operando <? estende TNumber > rótulos, Operando <T> previsões, Operando <T> sampleWeights)
Gera um operando que calcula a perda.
Parâmetros
rótulos | os valores verdadeiros ou rótulos |
---|
previsões | as previsões |
---|
sampleWeights | SampleWeights opcional atua como um coeficiente para a perda. Se um escalar for fornecido, a perda será simplesmente dimensionada pelo valor fornecido. Se SampleWeights for um tensor de tamanho [batch_size], a perda total de cada amostra do lote será redimensionada pelo elemento correspondente no vetor SampleWeights. Se a forma de SampleWeights for [batch_size, d0, .. dN-1] (ou pode ser transmitida para esta forma), então cada elemento de perda de previsões é dimensionado pelo valor correspondente de SampleWeights. (Nota sobre dN-1: todas as funções de perda reduzem em 1 dimensão, geralmente eixo = -1.) |
---|
chamada pública de operando <T> (rótulos de operando <? extends TNumber >, previsões de operando <T>)
Parâmetros
rótulos | os valores verdadeiros ou rótulos |
---|
previsões | as previsões |
---|
public Reduction getReduction ()
Obtém a redução de perdas
public Ops getTF ()
Obtém as operações do TensorFlow
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2021-04-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Não contém as informações de que eu preciso"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muito complicado / etapas demais"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desatualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema na tradução"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema com as amostras / o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Outro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Meu problema foi resolvido"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Outro"
}]