SquaredHinge

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বর্গক্ষেত্র কব্জা ক্ষতি গণনা করে৷

loss = square(maximum(1 - labels * predictions, 0))

labels মানগুলি -1 বা 1 হবে বলে আশা করা হচ্ছে৷ যদি বাইনারি (0 বা 1) লেবেলগুলি প্রদান করা হয় তবে সেগুলি -1 বা 1-এ রূপান্তরিত হবে৷

স্বতন্ত্র ব্যবহার:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0., 1.}, {0., 0.} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    SquaredHinge squaredHinge = new SquaredHinge(tf);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 1.86f
 

নমুনা ওজন সহ কলিং:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = squaredHinge.call(labels, predictions,
                                                  sampleWeight);
    // produces 0.73f
 

SUM হ্রাসের ধরন ব্যবহার করা:

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.SUM);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 3.72f
 

NONE রিডাকশন টাইপ ব্যবহার করা:

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.NONE);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces [1.46f, 2.26f]