tf.losses.hinge_loss

Добавляет потерю Хинджа к процедуре обучения.

Просмотр псевдонимов

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.losses.hinge_loss

tf.losses.hinge_loss(
    labels, logits, weights=1.0, scope=None, loss_collection=tf.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

Аргументы
`labels`	Тензор целевого выходного значения. Его форма должна соответствовать форме логитов. Ожидается, что значения тензора будут 0,0 или 1,0. Внутри метки {0,1} преобразуются в {-1,1} при вычислении потери Хинджа.
`logits`	Логиты, числовой тензор. Обратите внимание, что логиты предполагаются неограниченными и центрированными на нуле. Значение > 0 (соответственно < 0) считается положительной (соответственно отрицательной) бинарной предсказанием.
`weights`	Необязательные `Tensor`, ранг которого равен либо 0, либо тому же рангу, что и `labels`, и должен быть совместим с `labels` (т. е., все измерения должны быть либо `1`, либо такими же, как соответствующее измерение `losses`).
`scope`	Область для операций, выполняемых при вычислении потери.
`loss_collection`	Коллекция, в которую будет добавлена потеря.
`reduction`	Тип редукции, применяемый к потере.

Возвращаемое значение
Числовая потеря `Tensor`. Если `reduction` является `NONE`, она имеет ту же форму, что и `labels`; в противном случае это скаляр.

Исключения
`ValueError`	Если формы `logits` и `labels` не совпадают, или если `labels` или `logits` равны 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/hinge_loss