tf.compat.v1.losses.absolute_difference

Добавляет потерю Абсолютного Различия в процедуру обучения.

tf.compat.v1.losses.absolute_difference(
    labels,
    predictions,
    weights=1.0,
    scope=None,
    loss_collection=ops.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

weights действует как коэффициент для потери. Если задан скаляр, то потеря просто масштабируется заданным значением. Если weights является Tensor формы [batch_size], то общая потеря для каждого образца в пакете масштабируется соответствующим элементом в векторе weights. Если форма weights совпадает с формой predictions, то потеря каждого измеримого элемента predictions масштабируется соответствующим значением weights.

Аргументы
`labels`	Тензор целевого выхода, имеющий те же размеры, что и 'predictions'.
`predictions`	Предсказанные выходы.
`weights`	Необязательный `Tensor`, ранг которого равен 0 или совпадает с рангом `labels`, и который должен быть совместим с `labels` (то есть, все измерения должны быть либо `1`, либо совпадать с соответствующим измерением `losses`).
`scope`	Область для операций, выполняемых при вычислении потери.
`loss_collection`	Коллекция, к которой будет добавлена эта потеря.
`reduction`	Тип редукции, применяемой к потере.

Возвращаемое значение
Весовая потеря float `Tensor`. Если `reduction` является `NONE`, она имеет ту же форму, что и `labels`; в противном случае, это скаляр.

Исключения
`ValueError`	Если форма `predictions` не совпадает с формой `labels`, или если форма `weights` некорректна, или если `labels` или `predictions` равно None.

совместимость с eager execution

Аргумент loss_collection игнорируется при выполнении в режиме eager. Рассмотрите возможность сохранения возвращаемого значения или сбора потерь с помощью tf.keras.Model.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/losses/absolute_difference