Calcola gli errori logaritmici quadrati medi tra etichette e previsioni.
loss = square(log(labels + 1.) - log(predictions + 1.))
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} }); MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf); Operand<TFloat32> result = msle.call(labels, predictions); // produces 0.240f
Chiamata con peso campione:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = msle.call(labels, predictions, sampleWeight); // produces 0.120f
Utilizzo del tipo di riduzione SUM
:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.SUM); Operand<TFloat32> result = msle.call(labels, predictions); // produces 0.480f
Utilizzo del tipo di riduzione NONE
:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.NONE); Operand<TFloat32> result = msle.call(labels, predictions); // produces [0.240f, 0.240f]
Campi ereditati
Costruttori pubblici
Errore logaritmico medio quadratico (Ops tf) Crea una perdita MeanSquaredError utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT | |
Errore logaritmico medio quadratico (Ops tf, Riduzione riduzione ) Crea una perdita MeanSquaredError utilizzando getSimpleName() come nome della perdita | |
MeanSquaredLogarithmicError (Ops tf, Nome stringa, Riduzione riduzione) Crea un errore medioquadrato |
Metodi pubblici
<T estende TNumero > Operando <T> |
Metodi ereditati
Costruttori pubblici
errore logaritmico medio quadrato pubblico (Ops tf)
Crea una perdita MeanSquaredError utilizzando getSimpleName()
come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT
Parametri
tf | le operazioni TensorFlow |
---|
public MeanSquaredLogarithmicError (Ops tf, Riduzione riduzione)
Crea una perdita MeanSquaredError utilizzando getSimpleName()
come nome della perdita
Parametri
tf | le operazioni TensorFlow |
---|---|
riduzione | Tipo di riduzione da applicare alla perdita. |
public MeanSquaredLogarithmicError (Ops tf, nome stringa, riduzione riduzione )
Crea un errore medioquadrato
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 |
---|---|
predizioni | 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.) |
ritorna
- la perdita