الفئات الفرعية المباشرة المعروفة BinaryCrossentropy <T يمتد TNumber >، CategoricalCrossentropy <T يمتد TNumber >، CategoricalHinge <T يمتد TNumber >، CosineSimilarity <T يمتد TNumber >، المفصلة <T يمتد TNumber >، KLDivergence <T يمتد TNumber >، LogCoshError <T يمتد TNumber >، MeanAbsoluteError <T يمتد TNumber >، MeanAbsolutePercentageError <T يمتد TNumber >، MeanSquaredError <T يمتد TNumber >، MeanSquaredLogarithmicError <T يمتد TNumber >، بواسون <T يمتد TNumber >، SparseCategoricalCrossentropy <T يمتد TNumber >، SquaredHinge <T يمتد TNumber > |
فئة تعمل على ربط دالة خسارة عديمة الحالة مع مقياس Mean
باستخدام تقليل WEIGHTED_MEAN
.
تحسب دالة الخسارة الخسارة بين labels
predictions
ثم تمرر هذه الخسارة إلى مقياس Mean
لحساب المتوسط المرجح للخسارة على مدار العديد من التكرارات أو العصور
الثوابت الموروثة
الأساليب العامة
قياس الخسارة <T> | الحصول على الخسارة () يحصل على وظيفة الخسارة. |
قائمة< المرجع > |
الطرق الموروثة
الأساليب العامة
القائمة العامة < Op > updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights)
ينشئ عمليات تعمل على تحديث حالة القياس المتوسط، عن طريق استدعاء دالة الخسارة وتمرير الخسارة إلى مقياس المتوسط لحساب المتوسط المرجح للخسارة عبر العديد من التكرارات.
حدود
تسميات | قيم الحقيقة أو التسميات |
---|---|
التنبؤات | التوقعات |
أوزان عينة | تعمل أوزان العينات الاختيارية كمعامل للخسارة. إذا تم توفير العدد، فسيتم ببساطة قياس الخسارة بالقيمة المحددة. إذا كانت SampleWeights عبارة عن موتر بالحجم [batch_size]، فسيتم إعادة قياس الخسارة الإجمالية لكل عينة من الدُفعة بواسطة العنصر المقابل في ناقل SampleWeights. إذا كان شكل أوزان العينات هو [batch_size, d0, .. dN-1] (أو يمكن بثه إلى هذا الشكل)، فسيتم قياس كل عنصر خسارة في التنبؤات بالقيمة المقابلة لأوزان العينة. (ملاحظة حول dN-1: جميع دوال الخسارة تقلل بمقدار بُعد واحد، وعادة ما يكون المحور=-1.) |
عائدات
- قائمة عمليات التحكم التي تقوم بتحديث متغيرات الحالة المتوسطة.