tf.losses.mean_squared_error
Добавляет потерю типа сумма квадратов в процедуру обучения.
tf.losses.mean_squared_error(
labels, predictions, weights=1.0, scope=None,
loss_collection=tf.GraphKeys.LOSSES, reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)
weights служит коэффициентом для потери. Если указан скаляр, то потеря просто масштабируется заданным значением. Если weights является тензором размера [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 weights.
| Аргументы | |
|---|---|
labels | Тензор фактического выходного значения, размерности которого совпадают с 'predictions'. |
predictions | Предсказанные выходные значения. |
weights | Необязательный Tensor, чья размерность равна либо 0, либо такой же, как у labels, и должна быть совместима 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 | |
|---|---|
Весовая потеря float Tensor. Если reduction является NONE, эта величина имеет такую же форму, как у labels; в противном случае она является скалярной. |
| Исключения | |
|---|---|
ValueError | Если форма predictions не соответствует форме labels, или если форма weights некорректна. Также, если labels или predictions равно None. |
Совместимость с Eager Execution
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/mean_squared_error
