tf.keras.losses.Huber
| Просмотреть исходный код на GitHub |
Вычисляет потерю Хубера между y_true и y_pred.
tf.keras.losses.Huber(
delta=1.0, reduction=losses_utils.ReductionV2.AUTO, name='huber_loss'
)
Для каждого значения x в error = y_true - y_pred:
loss = 0.5 * x^2 if |x| <= d loss = 0.5 * d^2 + d * (|x| - d) if |x| > d
где d — delta. См.: https://en.wikipedia.org/wiki/Huber_loss
Использование:
l = tf.keras.losses.Huber()
loss = l([0., 1., 1.], [1., 0., 1.])
print('Loss: ', loss.numpy()) # Loss: 0.333
Использование с API compile:
model = tf.keras.Model(inputs, outputs)
model.compile('sgd', loss=tf.keras.losses.Huber())
| Аргументы | |
|---|---|
delta | Вещественное число, точка, где функция потерь Хубера меняется с квадратичной на линейную. |
reduction | (Необязательно) Тип tf.keras.losses.Reduction для применения к потере. Значение по умолчанию — AUTO. AUTO указывает, что параметр уменьшения определяется контекстом использования. В большинстве случаев это по умолчанию SUM_OVER_BATCH_SIZE. При использовании с tf.distribute.Strategy вне встроенных циклов обучения, таких как tf.keras compile и fit, использование AUTO или SUM_OVER_BATCH_SIZE вызовет ошибку. Дополнительные сведения см. в https://www.tensorflow.org/alpha/tutorials/distribute/training_loops. |
name | Необязательное имя для операции. |
Методы
from_config
@classmethod
from_config(
config
)
Инициализирует экземпляр Loss из его конфигурации (выхода get_config()).
| Аргументы | |
|---|---|
config | Выход get_config() . |
| Возвращает | |
|---|---|
Экземпляр Loss . |
get_config
get_config()
__call__
__call__(
y_true, y_pred, sample_weight=None
)
Вызывает экземпляр Loss.
| Аргументы | |
|---|---|
y_true | Значения истинного ответа. shape = [batch_size, d0, .. dN] |
y_pred | Предсказанные значения. shape = [batch_size, d0, .. dN] |
sample_weight | Необязательный sample_weight действует как коэффициент для потери. Если указан скаляр, то потеря просто масштабируется заданным значением. Если sample_weight представляет собой тензор размера [batch_size], то общая потеря для каждого образца пакета масштабируется соответствующим элементом в векторе sample_weight . Если форма sample_weight равна [batch_size, d0, .. dN-1] (или может быть расширена до этой формы), то каждый элемент потери y_pred масштабируется соответствующим значением из sample_weight . (Примечание к dN-1: все функции потерь уменьшают размерность на 1, обычно по оси -1.) |
| Возвращает | |
|---|---|
Вещественное число взвешенной потери Tensor. Если reduction равно NONE, у него есть форма [batch_size, d0, .. dN-1]; в противном случае это скаляр. (Примечание dN-1 , поскольку все функции потерь уменьшают размерность на 1, обычно по оси -1.) |
| Возможные исключения | |
|---|---|
ValueError | Если форма sample_weight недопустима. |
© 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/keras/losses/Huber