공개 클래스 MeanSquaredLogarithmicError
라벨과 예측 간의 평균 제곱 로그 오류를 계산합니다.
loss = square(log(labels + 1.) - log(predictions + 1.))
독립형 사용:
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
샘플 가중치로 호출:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = msle.call(labels, predictions, sampleWeight); // produces 0.120f
SUM
감소 유형 사용:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.SUM); Operand<TFloat32> result = msle.call(labels, predictions); // produces 0.480f
NONE
축소 유형 사용:
MeanSquaredLogarithmicError msle = new MeanSquaredLogarithmicError(tf, Reduction.NONE); Operand<TFloat32> result = msle.call(labels, predictions); // produces [0.240f, 0.240f]
상속된 필드
공공 생성자
MeanSquaredLogarithmicError (Ops tf) getSimpleName() 손실 이름으로 사용하고 REDUCTION_DEFAULT 의 손실 감소를 사용하여 MeanSquaredError 손실을 생성합니다. | |
MeanSquaredLogarithmicError (Ops tf, 감소 감소) getSimpleName() 손실 이름으로 사용하여 MeanSquaredError 손실을 생성합니다. | |
공개 방법
<T는 T번호를 확장합니다. > 피연산자 <T> |
상속된 메서드
공공 생성자
공개 MeanSquaredLogarithmicError (Ops tf)
getSimpleName()
손실 이름으로 사용하고 REDUCTION_DEFAULT
의 손실 감소를 사용하여 MeanSquaredError 손실을 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|
public MeanSquaredLogarithmicError (Ops tf, 감소 감소)
getSimpleName()
손실 이름으로 사용하여 MeanSquaredError 손실을 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|---|
절감 | 손실에 적용할 감소 유형입니다. |
public MeanSquaredLogarithmicError (Ops tf, 문자열 이름, Reduction 감소)
MeanSquaredError를 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|---|
이름 | 손실의 이름 |
절감 | 손실에 적용할 감소 유형입니다. |
공개 방법
공개 피연산자 <T> 호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <T> 예측, 피연산자 <T> SampleWeights)
손실을 계산하는 피연산자를 생성합니다.
매개변수
라벨 | 진리값 또는 라벨 |
---|---|
예측 | 예측 |
샘플 가중치 | 선택적 SampleWeights는 손실에 대한 계수 역할을 합니다. 스칼라가 제공되면 손실은 단순히 주어진 값에 따라 조정됩니다. SampleWeights가 [batch_size] 크기의 텐서인 경우 배치의 각 샘플에 대한 총 손실은 SampleWeights 벡터의 해당 요소에 따라 크기가 조정됩니다. SampleWeights의 형태가 [batch_size, d0, .. dN-1]인 경우(또는 이 형태로 브로드캐스팅될 수 있음) 예측의 각 손실 요소는 SampleWeights의 해당 값에 따라 조정됩니다. (dN-1에 대한 참고 사항: 모든 손실 함수는 1차원으로 감소하며 일반적으로 축=-1입니다.) |
보고
- 손실