Loss

Perte de classe abstraite publique
Sous-classes directes connues

Des champs

public statique final Réduction RÉDUCTION_DEFAULT

Méthodes publiques

résumé <T étend TNumber > Opérande <T>
appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights)
Génère un opérande qui calcule la perte.
<T étend TNumber > Opérande <T>
appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions)
Calcule la perte
Réduction
getRéduction ()
Obtient la réduction des pertes
Opérations
obtenirTF ()
Obtient les opérations TensorFlow

Méthodes héritées

Des champs

Réduction finale statique publique REDUCTION_DEFAULT

Méthodes publiques

public abstract Operand <T> appel ( Operand <? extends TNumber > labels, Operand <T> prédictions, Operand <T> sampleWeights)

Génère un opérande qui calcule la perte.

Paramètres
Étiquettes les valeurs ou étiquettes de vérité
prédictions les prédictions
exemples de poids sampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si SampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur SampleWeights. Si la forme de SampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée vers cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de SampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)
Retour
  • la perte

Appel public de l'opérande <T> ( l'opérande <? étend les étiquettes TNumber >, les prédictions de l'opérande <T>)

Calcule la perte

Paramètres
Étiquettes les valeurs ou étiquettes de vérité
prédictions les prédictions
Retour
  • la perte

Réduction publique getReduction ()

Obtient la réduction des pertes

Retour
  • la réduction des pertes

opérations publiques getTF ()

Obtient les opérations TensorFlow

Retour
  • les opérations TensorFlow