LossMetric
با مجموعهها، منظم بمانید
ذخیره و دستهبندی محتوا براساس اولویتهای شما.
زیر کلاس های غیر مستقیم شناخته شده BinaryCrossentropy <T TNumber > را گسترش می دهد | یک متریک که افت آنتروپی متقاطع باینری را بین برچسب های واقعی و برچسب های پیش بینی شده محاسبه می کند. | CategoryCrossentropy <T تعداد TNumber را گسترش می دهد | متریکی که افت آنتروپی متقاطع بین برچسب های واقعی و برچسب های پیش بینی شده را محاسبه می کند. | CategoryHinge <T تعداد TNumber را گسترش می دهد | متریکی که متریک از دست دادن لولا را بین برچسب ها و پیش بینی ها محاسبه می کند. | CosineSimilarity <T TNumber > را گسترش می دهد | معیاری که متریک شباهت کسینوس بین برچسب ها و پیش بینی ها را محاسبه می کند. | لولا <T TNumber > را گسترش می دهد | معیاری که معیار تلفات لولا را بین برچسب ها و پیش بینی ها محاسبه می کند. | KLDvergence <T تعداد TNumber را گسترش می دهد | معیاری که معیار تلفات واگرایی Kullback-Leibler را بین برچسب ها و پیش بینی ها محاسبه می کند. | LogCoshError <T TNumber را گسترش می دهد > | متریکی که لگاریتم کسینوس هذلولی متریک خطای پیشبینی را بین برچسبها و پیشبینیها محاسبه میکند. | MeanAbsoluteError <T TNumber را گسترش می دهد > | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. | MeanAbsolutePercentageError <T TNumber را گسترش می دهد | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. | MeanSquaredError <T TNumber را گسترش می دهد > | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. | MeanSquaredLogarithmicError <T TNumber را گسترش می دهد | معیاری که میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. | پواسون < TNumber > را گسترش می دهد | معیاری که متریک تلفات پواسون را بین برچسب ها و پیش بینی ها محاسبه می کند. | SparseCategoricalCrossentropy <T تعداد TNumber را گسترش می دهد | معیاری که افت آنتروپی متقاطع طبقهای پراکنده بین برچسبهای واقعی و برچسبهای پیشبینیشده را محاسبه میکند. | SquaredHinge <T تعداد TNumber را گسترش می دهد | معیاری که متریک تلفات لولای مجذور بین برچسب ها و پیش بینی ها را محاسبه می کند. |
|
رابط برای معیارهایی که توابع Loss را پوشش می دهد.
روش های عمومی
فراخوانی انتزاعی عمومی <T> ( Operand <? TNumber > برچسب ها را گسترش می دهد، Operand <? TNumber را گسترش می دهد > پیش بینی ها)
کاهش وزن بین labels
و predictions
را محاسبه می کند
مولفه های
برچسب ها | ارزش ها یا برچسب های حقیقت |
---|
پیش بینی ها | پیش بینی ها |
---|
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2023-12-01 بهوقت ساعت هماهنگ جهانی.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"اطلاعاتی که نیاز دارم وجود ندارد"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"بیشازحد پیچیده/ مراحل بسیار زیاد"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"قدیمی"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"مشکل ترجمه"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"مشکل کد / نمونهها"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"غیره"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"درک آسان"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"مشکلم را برطرف کرد"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"غیره"
}]