tf.contrib.losses.mean_pairwise_squared_error

Добавляет потерю, являющуюся средним квадратом парных ошибок, в процедуру обучения. (устаревший)

tf.contrib.losses.mean_pairwise_squared_error(
    predictions, labels=None, weights=1.0, scope=None
)

В отличие от mean_squared_error, которая является мерой различий между соответствующими элементами predictions и labels, mean_pairwise_squared_error является мерой различий между парами соответствующих элементов predictions и labels.

Например, если labels=[a, b, c] и predictions=[x, y, z], то для вычисления потери суммируются три пары различий: loss = [ ((a-b) - (x-y)).^2 + ((a-c) - (x-z)).^2 + ((b-c) - (y-z)).^2 ] / 3

Обратите внимание, что поскольку входные данные имеют размер [batch_size, d0, ... dN], соответствующие пары вычисляются внутри каждого образца пакетной выборки, но не между образцами в пределах пакета. Например, если predictions представляет собой пакет из 16 градационных изображений размера [batch_size, 100, 200], то набор пар выбирается из каждого изображения, но не между изображениями.

weights служит коэффициентом для потери. Если задано скалярное значение, то потеря просто масштабируется заданным значением. Если weights представляет собой тензор размера [batch_size], то общая потеря для каждого образца пакета масштабируется соответствующим элементом в векторе weights.