tf.keras.losses.squared_hinge
Вычисляет квадратную потерю Хинджа между y_true и y_pred.
tf.keras.losses.squared_hinge(
y_true, y_pred
)
Формула:
loss = mean(square(maximum(1 - y_true * y_pred, 0)), axis=-1)
| Аргументы | |
|---|---|
y_true | Значения целевых данных. Ожидается, что значения будут равны -1 или 1. Если предоставлены бинарные метки (0 или 1), мы преобразуем их в -1 или 1 со значением формы = [batch_size, d0, .. dN]. |
y_pred | Предсказанные значения со значением формы = [batch_size, d0, .. dN]. |
| Возвращаемые значения | |
|---|---|
Значения квадратичной потери Хинджа со значением формы = [batch_size, d0, .. dN-1]. |
Пример:
y_true = np.random.choice([-1, 1], size=(2, 3)) y_pred = np.random.random(size=(2, 3)) loss = keras.losses.squared_hinge(y_true, y_pred)
© 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/keras/losses/squared_hinge
