MeanAbsoluteError

clase pública MeanAbsoluteError

Calcula la media de la diferencia absoluta entre etiquetas y predicciones.

loss = abs(labels - predictions)

Uso independiente: 

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 1.f}, {1.f, 0.f} });
    MeanAbsoluteError mae = new MeanAbsoluteError(tf);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces 0.5f

Llamar con peso de muestra: 

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f});
    Operand<TFloat32> result = mae.call(labels, predictions, sampleWeight);
    // produces 0.25f

Usando el tipo de reducción SUM : 

    MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.SUM);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces 1.0f

Usando NONE tipo de reducción: 

    MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.NONE);
    Operand<TFloat32> result = mae.call(labels, predictions);
    // produces [0.5f, 0.5f]

Campos heredados

Constructores Públicos

Error absoluto medio (Ops tf)
Crea una pérdida MeanAbsoluteError usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de REDUCTION_DEFAULT
MeanAbsoluteError (Ops tf, reducción de reducción )
Crea una pérdida MeanAbsoluteError usando getSimpleName() como nombre de la pérdida.
MeanAbsoluteError (Ops tf, nombre de cadena, reducción de reducción )
Crea un error absoluto medio

Métodos públicos

<T extiende TNumber > Operando <T>
llamada ( Operando <? extiende etiquetas TNumber >, predicciones de operando <T>, pesos de muestra de operando <T>)
Genera un Operando que calcula la pérdida.

Métodos heredados

Constructores Públicos

público MeanAbsoluteError (Ops tf)

Crea una pérdida MeanAbsoluteError usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de REDUCTION_DEFAULT

Parámetros
tf las operaciones de TensorFlow

public MeanAbsoluteError (Ops tf, reducción de reducción )

Crea una pérdida MeanAbsoluteError usando getSimpleName() como nombre de la pérdida.

Parámetros
tf las operaciones de TensorFlow
reducción Tipo de Reducción a aplicar sobre la pérdida.

public MeanAbsoluteError (Ops tf, nombre de cadena, reducción de reducción )

Crea un error absoluto medio

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
reducción Tipo de Reducción a aplicar sobre la pérdida.

Métodos públicos

Llamada pública al operando <T> ( el operando <? extiende las etiquetas TNumber >, las predicciones del operando <T>, los pesos de muestra del operando <T>)

Genera un Operando que calcula la pérdida.

Parámetros
etiquetas los valores o etiquetas de verdad
predicciones las predicciones
pesos de muestra SampleWeights opcional actúa como un coeficiente de pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala según el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total de cada muestra del lote se vuelve a escalar mediante 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 según el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1).
Devoluciones
  • la pérdida