tf.estimator.PoissonRegressionHead

Создаёт Head для регрессии Пуассона с использованием tf.nn.log_poisson_loss.

Наследуется от: RegressionHead

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.estimator.PoissonRegressionHead, `tf.compat.v2.estimator.PoissonRegressionHead`

tf.estimator.PoissonRegressionHead(
    label_dimension=1, weight_column=None,
    loss_reduction=losses_utils.ReductionV2.SUM_OVER_BATCH_SIZE,
    compute_full_loss=True, name=None
)

Функция потерь представляет собой взвешенную сумму по всем входным измерениям. То есть, если входные метки имеют размер [batch_size, label_dimension], функция потерь — взвешенная сумма по обоим batch_size и label_dimension.

Функция ожидает logits с размером [D0, D1, ... DN, label_dimension]. Во многих приложениях размер равен [batch_size, label_dimension].

Размер labels должен совпадать с размером logits, а именно [D0, D1, ... DN, label_dimension]. Если label_dimension=1, также поддерживается размер [D0, D1, ... DN].

Если weight_column указан, веса должны иметь размер [D0, D1, ... DN], [D0, D1, ... DN, 1] или [D0, D1, ... DN, label_dimension].

Это реализовано как обобщённая линейная модель, см. https://en.wikipedia.org/wiki/Generalized_linear_model

Эта функция может быть использована с готовым оценщиком. Пример:

my_head = tf.estimator.PoissonRegressionHead()
my_estimator = tf.estimator.DNNEstimator(
    head=my_head,
    hidden_units=...,
    feature_columns=...)

Также она может быть использована с настраиваемым model_fn. Пример:

def _my_model_fn(features, labels, mode):
  my_head = tf.estimator.PoissonRegressionHead()
  logits = tf.keras.Model(...)(features)

  return my_head.create_estimator_spec(
      features=features,
      mode=mode,
      labels=labels,
      optimizer=tf.keras.optimizers.Adagrad(lr=0.1),
      logits=logits)

my_estimator = tf.estimator.Estimator(model_fn=_my_model_fn)

Аргументы
`weight_column`	Строка или `NumericColumn`, созданная с помощью `tf.feature_column.numeric_column`, определяющая столбец признаков, представляющий собой веса. Используется для снижения или повышения веса примеров во время обучения. Будет умножаться на потерю примера.
`label_dimension`	Количество меток регрессии на пример. Это размер последнего измерения меток `Tensor` (как правило, имеет размер `[batch_size, label_dimension]`).
`loss_reduction`	Один из `tf.losses.Reduction`, за исключением `NONE`. Определяет, как свести потери обучения по пакету и измерениям меток. По умолчанию `SUM_OVER_BATCH_SIZE`, а именно взвешенная сумма потерь, делённая на `batch size * label_dimension`.
`compute_full_loss`	Включать ли постоянный `log(z!)` член при вычислении потерь Пуассона. См. `tf.nn.log_poisson_loss` для полного документации.
`name`	Имя функции головы. При указании, ключи сводок и метрик будут иметь суффикс `"/" + name`. Также используется как `name_scope` при создании операций.

Атрибуты
`logits_dimension`	Подробности см. в `base_head.Head`.
`loss_reduction`	Подробности см. в `base_head.Head`.
`name`	Подробности см. в `base_head.Head`.

Методы

`create_estimator_spec`

Просмотреть исходный код

create_estimator_spec(
    features, mode, logits, labels=None, optimizer=None, trainable_variables=None,
    train_op_fn=None, update_ops=None, regularization_losses=None
)

Возвращает EstimatorSpec для того, чтобы модель_fn могла её вернуть.

Рекомендуется передавать все аргументы через имя.

Аргументы
`features`	Входное отображение `dict` имени признаков строкового типа на `Tensor` или `SparseTensor` объекты, содержащие значения для данного признака в мини-пакет. Часто используется для извлечения тензора веса примера.
`mode`	`ModeKeys` оценщика.
`logits`	Логарифмы `Tensor` для использования функцией головы.
`labels`	Метки `Tensor`, или `dict` отображение имен меток строкового типа на `Tensor` объекты значений меток.
`optimizer`	Экземпляр `tf.keras.optimizers.Optimizer` для оптимизации функции потерь в режиме TRAIN. То есть, устанавливает `train_op = optimizer.get_updates(loss, trainable_variables)`, которая обновляет переменные для минимизации `loss`.
`trainable_variables`	Список или кортеж `Variable` объектов для обновления, чтобы минимизировать `loss`. В Tensorflow 1.x по умолчанию это список переменных, собранных в графе под ключом `GraphKeys.TRAINABLE_VARIABLES`. Поскольку Tensorflow 2.x не имеет коллекций и GraphKeys, trainable_variables необходимо явно передавать здесь.
`train_op_fn`	Функция, которая принимает скалярную функцию потерь `Tensor` и возвращает операцию для оптимизации модели с функцией потерь в режиме TRAIN. Используется, если `optimizer` равно `None`. Точно один из `train_op_fn` и `optimizer` должен быть установлен в режиме TRAIN. По умолчанию, это `None` в других режимах. Если хотите оптимизировать функцию потерь самостоятельно, можете передать `lambda _: tf.no_op()` и использовать `EstimatorSpec.loss` для вычисления и применения градиентов.
`update_ops`	Список или кортеж операций обновления, которые необходимо запускать в режиме обучения. Например, слои, такие как BatchNormalization, создают операции обновления среднего и дисперсии, которые необходимо запускать в режиме обучения. В Tensorflow 1.x они помещаются в коллекцию UPDATE_OPS. Поскольку Tensorflow 2.x не имеет коллекций, update_ops необходимо передавать явно здесь.
`regularization_losses`	Список дополнительных скалярных потерь, которые необходимо добавить к функция потерь обучения, таких как потери регуляризации.

Возвращаемое значение
`EstimatorSpec`.

`loss`

Просмотреть исходный код

loss(
    labels, logits, features=None, mode=None, regularization_losses=None
)

Возвращает предсказания на основе ключей. Подробности см. в base_head.Head.

`metrics`

Просмотреть исходный код

metrics(
    regularization_losses=None
)

Создаёт метрики. Подробности см. в base_head.Head.

`predictions`

Просмотреть исходный код

predictions(
    logits
)

Возвращает предсказания на основе ключей. Подробности см. в base_head.Head.

Аргументы
`logits`	Логарифмы `Tensor` с размером `[D0, D1, ... DN, logits_dimension]`. Для многих приложений размер равен `[batch_size, logits_dimension]`.

Возвращаемое значение
Словарь предсказаний.

`update_metrics`

Просмотреть исходный код

update_metrics(
    eval_metrics, features, logits, labels, regularization_losses=None
)

Обновляет метрики оценки. Подробности см. в base_head.Head.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/estimator/PoissonRegressionHead