Tính toán tổn thất bản lề bình phương giữa các nhãn và dự đoán.
loss = square(maximum(1 - labels * predictions, 0))
giá trị labels dự kiến là -1 hoặc 1. Nếu nhãn nhị phân (0 hoặc 1) được cung cấp, chúng sẽ được chuyển đổi thành -1 hoặc 1.
Cách sử dụng độc lập:
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
Gọi với trọng lượng mẫu:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
Operand<TFloat32> result = squaredHinge.call(labels, predictions,
sampleWeight);
// produces 0.73f
Sử dụng loại giảm SUM :
SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.SUM);
Operand<TFloat32> result = squaredHinge.call(labels, predictions);
// produces 3.72f
Sử dụng loại giảm NONE :
SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.NONE);
Operand<TFloat32> result = squaredHinge.call(labels, predictions);
// produces [1.46f, 2.26f]
Trường kế thừa
Nhà xây dựng công cộng
Bản lề bình phương (Ops tf) Tạo Tổn thất bản lề bình phương bằng cách sử dụng getSimpleName() làm tên tổn thất và Mức giảm tổn thất là REDUCTION_DEFAULT | |
SquaredHinge (Ops tf, Giảm thiểu ) Tạo Mất bản lề bình phương bằng cách sử dụng getSimpleName() làm tên tổn thất | |
Phương pháp công khai
| <T mở rộng TNumber > Toán hạng <T> |
Phương pháp kế thừa
Nhà xây dựng công cộng
SquaredHinge công khai (Ops tf)
Tạo Mất bản lề bình phương bằng cách sử dụng getSimpleName() làm tên mất mát và Giảm tổn thất là REDUCTION_DEFAULT
Thông số
| tf | hoạt động của TensorFlow |
|---|
public SquaredHinge (Ops tf, Giảm thiểu )
Tạo Mất bản lề bình phương bằng cách sử dụng getSimpleName() làm tên tổn thất
Thông số
| tf | hoạt động của TensorFlow |
|---|---|
| sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
public SquaredHinge (Ops tf, Tên chuỗi, Giảm thiểu )
Tạo bản lề vuông
Thông số
| tf | hoạt động của TensorFlow |
|---|---|
| tên | tên của sự mất mát |
| sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
Phương pháp công khai
lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)
Tạo một toán hạng tính toán tổn thất.
Nếu chạy ở chế độ Biểu đồ, quá trình tính toán sẽ đưa ra TFInvalidArgumentException nếu các giá trị nhãn không nằm trong tập hợp [-1., 0., 1.]. Trong Chế độ háo hức, lệnh gọi này sẽ đưa ra IllegalArgumentException , nếu các giá trị nhãn không nằm trong tập hợp [-1., 0., 1.].
Thông số
| nhãn | giá trị thực hoặc nhãn phải là -1, 0 hoặc 1. Giá trị dự kiến là -1 hoặc 1. Nếu nhãn nhị phân (0 hoặc 1) được cung cấp, chúng sẽ được chuyển đổi thành -1 hoặc 1. |
|---|---|
| dự đoán | các dự đoán, các giá trị phải nằm trong khoảng [0. đến 1.] bao gồm. |
| mẫuTrọng lượng | Khối lượng mẫu tùy chọn đóng vai trò như một hệ số hao hụt. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu SampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.) |
Trả lại
- sự mất mát
Ném
| Đối số bất hợp phápNgoại lệ | nếu dự đoán nằm ngoài phạm vi [0.-1.]. |
|---|