tf.nn.compute_average_loss

Масштабирует потери для каждого примера с помощью sample_weights и вычисляет их среднее значение.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.nn.compute_average_loss

tf.nn.compute_average_loss(
    per_example_loss, sample_weight=None, global_batch_size=None
)

Используется в блокнотах

Используется в руководстве	Используется в учебниках
Использование TPUs Распределенное обучение с TensorFlow	Настраиваемое обучение с tf.distribute.Strategy Настраиваемый цикл обучения с Keras и MultiWorkerMirroredStrategy Обучение с параметрическим сервером с ParameterServerStrategy

Использование с стратегией распределения и пользовательским циклом обучения:

with strategy.scope():
  def compute_loss(labels, predictions, sample_weight=None):

    # If you are using a `Loss` class instead, set reduction to `NONE` so that
    # we can do the reduction afterwards and divide by global batch size.
    per_example_loss = tf.keras.losses.sparse_categorical_crossentropy(
        labels, predictions)

    # Compute loss that is scaled by sample_weight and by global batch size.
    return tf.nn.compute_average_loss(
        per_example_loss,
        sample_weight=sample_weight,
        global_batch_size=GLOBAL_BATCH_SIZE)

Аргументы
`per_example_loss`	Потери для каждого примера.
`sample_weight`	Необязательные веса для каждого примера.
`global_batch_size`	Необязательное значение глобального размера пакета. По умолчанию равно (размер первого измерения `losses`) * (число реплик).

Возвращаемые значения
Скалярное значение потерь, полученное путем суммирования `per_example_loss` и деления на `global_batch_size`. Если `global_batch_size` равно нулю, результат равен нулю.

© 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/nn/compute_average_loss