Calcula a média da diferença absoluta entre rótulos e previsões.
loss = abs(labels - predictions)
Uso autônomo:
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
Ligando com peso de amostra:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = mae.call(labels, predictions, sampleWeight); // produces 0.25f
Usando o tipo de redução SUM
:
MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.SUM); Operand<TFloat32> result = mae.call(labels, predictions); // produces 1.0f
Usando NONE
tipo de redução:
MeanAbsoluteError mae = new MeanAbsoluteError(tf, Reduction.NONE); Operand<TFloat32> result = mae.call(labels, predictions); // produces [0.5f, 0.5f]
Campos herdados
Construtores Públicos
MeanAbsoluteError (Ops tf) Cria uma perda MeanAbsoluteError usando getSimpleName() como o nome da perda e uma redução de perda de REDUCTION_DEFAULT | |
MeanAbsoluteError (Ops tf, redução de redução) Cria uma perda MeanAbsoluteError usando getSimpleName() como o nome da perda | |
Métodos Públicos
<T estende TNumber > Operando <T> |
Métodos herdados
Construtores Públicos
public MeanAbsoluteError (Ops tf)
Cria uma perda MeanAbsoluteError usando getSimpleName()
como o nome da perda e uma redução de perda de REDUCTION_DEFAULT
Parâmetros
tf | o TensorFlow Ops |
---|
public MeanAbsoluteError (Ops tf, redução de redução)
Cria uma perda MeanAbsoluteError usando getSimpleName()
como o nome da perda
Parâmetros
tf | o TensorFlow Ops |
---|---|
redução | Tipo de redução a aplicar à perda. |
public MeanAbsoluteError (Ops tf, nome da string, redução de redução)
Cria um MeanAbsoluteError
Parâmetros
tf | o TensorFlow Ops |
---|---|
nome | o nome da perda |
redução | Tipo de redução a aplicar à perda. |
Métodos Públicos
pública 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.) |
Devoluções
- a perda