tf.losses.absolute_difference
Добавляет потерю Абсолютной Разницы в процедуру обучения.
tf.losses.absolute_difference(
labels, predictions, weights=1.0, scope=None,
loss_collection=tf.GraphKeys.LOSSES, reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)
weights действует как коэффициент для потери. Если предоставлен скаляр, то потеря просто масштабируется заданным значением. Если weights является Tensor формы [batch_size], то общая потеря для каждого образца в пакете масштабируется соответствующим элементом в векторе weights. Если форма weights совпадает с формой predictions, то потеря каждого измеряемого элемента predictions масштабируется соответствующим значением из weights.
| Аргументы | |
|---|---|
labels | Тензор фактического выходного значения, с теми же размерностями, что и 'predictions'. |
predictions | Предсказанные выходные данные. |
weights | Необязательный Tensor, чья ранг равен 0 или такой же, как у labels, и должен быть совместим с labels (т.е., все размерности должны быть либо 1, либо такими же, как соответствующая размерность losses). |
scope | Область для операций, выполняемых при вычислении потери. |
loss_collection | Коллекция, к которой будет добавлена эта потеря. |
reduction | Тип сведения, применяемый к потере. |
| Возвращаемое значение | |
|---|---|
Весовая потеря типа float Tensor. Если reduction равен NONE, то она имеет ту же форму, что и labels; в противном случае, это скаляр. |
| Исключения | |
|---|---|
ValueError | Если форма predictions не совпадает с формой labels или если форма weights некорректна, или если labels или predictions равно None. |
Совместимость с Eager
Аргумент loss_collection игнорируется при выполнении в режиме eager. Рассмотрите возможность сохранения возвращаемого значения или сбора потерь через tf.keras.Model.
© 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/losses/absolute_difference
