tf.compat.v1.losses.huber_loss

Добавляет член функции потерь Хубера к процедуре обучения.

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

Для каждого значения x в error=labels-predictions рассчитывается следующее:

0.5 * x^2                  if |x| <= d
0.5 * d^2 + d * (|x| - d)  if |x| > d

где d — delta.

weights выступает в качестве коэффициента для функции потерь. Если предоставлено скалярное значение, то функция потерь просто масштабируется на заданное значение. Если weights представляет собой тензор размера [batch_size], то общая функция потерь для каждого образца в пакете масштабируется соответствующим элементом в векторе weights. Если форма weights соответствует форме predictions, то функция потерь каждого измеримого элемента predictions масштабируется соответствующим значением из weights.

Аргументы
`labels`	Тензор с истинными значениями вывода, имеющий те же размеры, что и 'predictions'.
`predictions`	Предсказанные значения вывода.
`weights`	Необязательный `Tensor`, ранг которого равен 0 или соответствует рангу `labels`, и он должен быть совместим с `labels` (т.е., все измерения должны быть либо `1`, либо совпадать с соответствующим измерением `losses`).
`delta`	`float`, точка, в которой функция потерь Хубера меняет свой вид с квадратичного на линейный.
`scope`	Область действия операций, выполняемых при вычислении функции потерь.
`loss_collection`	Коллекция, в которую будет добавлена функция потерь.
`reduction`	Тип операции агрегации для функции потерь.

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

Исключения
`ValueError`	Если форма `predictions` не соответствует форме `labels`, или если форма `weights` неверна. Также, если `labels` или `predictions` имеют значение None.

совместимость с eager execution

Аргумент loss_collection игнорируется при выполнении eager-вычислений. Рассмотрите возможность сохранения возвращаемого значения или сбора потерь через 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/huber_loss