Loss
با مجموعهها، منظم بمانید
ذخیره و دستهبندی محتوا براساس اولویتهای شما.
زیر کلاس های مستقیم شناخته شده دودویی متقاطع , مقوله متقاطع , دسته بندی لولا , کسینوس مشابه , لولا , هوبر , KLD واگرایی , LogCosh , MeanAbsoluteError , MeanAbsolutePercentageError , MeanSquaredError , MeanSquaredError , MeanSquaredSerrorsLogCoshSun tropy ، SquaredHinge دودویی متقاطع | افت آنتروپی متقاطع بین برچسب های واقعی و برچسب های پیش بینی شده را محاسبه می کند. | متقاطع طبقه بندی | افت متقاطع بین برچسب ها و پیش بینی ها را محاسبه می کند. | دسته بندی لولا | تلفات لولای طبقه بندی شده بین برچسب ها و پیش بینی ها را محاسبه می کند. | شباهت کسینوس | شباهت کسینوس بین برچسب ها و پیش بینی ها را محاسبه می کند. | لولا | افت لولا را بین برچسب ها و پیش بینی ها محاسبه می کند. | هوبر | تلفات هوبر را بین برچسب ها و پیش بینی ها محاسبه می کند. | KLD واگرایی | افت واگرایی Kullback-Leibler را بین برچسب ها و پیش بینی ها محاسبه می کند. | LogCosh | محاسبه لگاریتم کسینوس هذلولی خطای پیشبینی را محاسبه میکند. | Mean AbsoluteError | میانگین تفاوت مطلق بین برچسب ها و پیش بینی ها را محاسبه می کند. | MeanAbsolutePercentageError | میانگین درصد مطلق خطا بین برچسب ها و پیش بینی ها را محاسبه می کند. | خطای میانگین مربعات | میانگین مربعات خطاهای بین برچسب ها و پیش بینی ها را محاسبه می کند. | MeanSquaredLogarithmicError | میانگین مربعات خطاهای لگاریتمی بین برچسب ها و پیش بینی ها را محاسبه می کند. | پواسون | اتلاف پواسون را بین برچسب ها و پیش بینی ها محاسبه می کند. | متقاطع دسته بندی پراکنده | افت متقاطع بین برچسب ها و پیش بینی ها را محاسبه می کند. | مربع لولا | تلفات لولای مجذور بین برچسب ها و پیش بینی ها را محاسبه می کند. |
|
روش های ارثی
از کلاس java.lang.Object بولی | برابر است (شیء arg0) |
کلاس نهایی<?> | getClass () |
بین المللی | هش کد () |
باطل نهایی | اعلام کردن () |
باطل نهایی | اطلاع رسانی به همه () |
رشته | toString () |
باطل نهایی | صبر کنید (long arg0، int arg1) |
باطل نهایی | صبر کنید (طولانی arg0) |
باطل نهایی | صبر کن () |
زمینه های
کاهش نهایی ثابت عمومی REDUCTION_DEFAULT
روش های عمومی
فراخوانی انتزاعی عمومی <T> ( Operand <? TNumber > برچسب ها، عملوند <T> پیش بینی ها، Operand <T> نمونه وزن ها)
یک عملوند تولید می کند که ضرر را محاسبه می کند.
مولفه های
برچسب ها | ارزش ها یا برچسب های حقیقت |
---|
پیش بینی ها | پیش بینی ها |
---|
وزن نمونه | نمونه اختیاری Weights به عنوان ضریب ضرر عمل می کند. اگر یک اسکالر ارائه شود، ضرر به سادگی با مقدار داده شده مقیاس می شود. اگر SampleWeights یک تانسور با اندازه [batch_size] باشد، آنگاه تلفات کل برای هر نمونه از دسته توسط عنصر مربوطه در بردار SampleWeights مجدداً مقیاس میشود. اگر شکل SampleWeights [batch_size, d0, .. dN-1] باشد (یا می تواند به این شکل پخش شود)، آنگاه هر عنصر از دست دادن پیش بینی با مقدار مربوط به SampleWeights مقیاس می شود. (توجه به dN-1: تمام توابع تلفات 1 بعد کاهش می یابد، معمولاً محور =-1.) |
---|
فراخوان عمومی Operand <T> ( Operand <? TNumber > برچسب ها را گسترش می دهد، پیش بینی های Operand <T>)
مولفه های
برچسب ها | ارزش ها یا برچسب های حقیقت |
---|
پیش بینی ها | پیش بینی ها |
---|
کاهش عمومی getReduction ()
کاهش ضرر را دریافت می کند
عمومی Ops getTF ()
TensorFlow Ops را دریافت می کند
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 2024-10-31 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2024-10-31 بهوقت ساعت هماهنگ جهانی."],[],[]]