MeanAbsoluteError

classe pubblica MeanAbsoluteError

Calcola la media della differenza assoluta tra etichette e previsioni.

loss = abs(labels - predictions)

Utilizzo autonomo:

    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

Chiamata con peso campione:

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

Utilizzando il tipo di riduzione SUM :

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

Utilizzando il tipo di riduzione NONE :

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

Campi ereditati

Costruttori pubblici

Errore medio assoluto (Ops tf)
Crea una perdita MeanAbsoluteError utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT
Errore medio assoluto (Ops tf, Riduzione riduzione)
Crea una perdita MeanAbsoluteError utilizzando getSimpleName() come nome della perdita
MeanAbsoluteError (Ops tf, Nome stringa, Riduzione riduzione)
Crea un errore medio assoluto

Metodi pubblici

<T estende TNumero > Operando <T>
chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights)
Genera un operando che calcola la perdita.

Metodi ereditati

Costruttori pubblici

errore medio assoluto pubblico (Ops tf)

Crea una perdita MeanAbsoluteError utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT

Parametri
tf le operazioni TensorFlow

public MeanAbsoluteError (Ops tf, Riduzione riduzione)

Crea una perdita MeanAbsoluteError utilizzando getSimpleName() come nome della perdita

Parametri
tf le operazioni TensorFlow
riduzione Tipo di riduzione da applicare alla perdita.

public MeanAbsoluteError (Ops tf, Nome stringa, Riduzione riduzione)

Crea un errore medio assoluto

Parametri
tf le operazioni TensorFlow
nome il nome della perdita
riduzione Tipo di riduzione da applicare alla perdita.

Metodi pubblici

chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)

Genera un operando che calcola la perdita.

Parametri
etichette i valori o le etichette di verità
previsioni le previsioni
campionePesi sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.)
Ritorni
  • la perdita