tf.compat.v1.losses.mean_squared_error
Добавляет потерю в виде суммы квадратов в процедуру обучения.
tf.compat.v1.losses.mean_squared_error(
labels, predictions, weights=1.0, scope=None,
loss_collection=tf.GraphKeys.LOSSES, reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)
weights выступает в качестве коэффициента для потери. Если предоставлен скаляр, то потеря просто масштабируется заданным значением. Если weights является тензором размера [batch_size], то общая потеря для каждой выборки пакета масштабируется соответствующим элементом в векторе weights. Если форма weights соответствует форме predictions, то потеря каждого измеряемого элемента predictions масштабируется соответствующим значением из weights.
| Аргументы | |
|---|---|
labels | Тензор фактического выходного значения, имеющий такие же размеры, как и 'predictions'. |
predictions | Предсказанные выходные значения. |
weights | Необязательный Tensor, чья размерность равна 0 или такой же, как у labels, и должен быть совместим для трансляции с labels (т. е. все измерения должны быть либо 1, или такими же, как соответствующее измерение losses). |
scope | Область для операций, выполняемых при вычислении потери. |
loss_collection | Коллекция, к которой будет добавлена потеря. |
reduction | Тип редукции, применяемой к потере. |
| Возвращаемое значение | |
|---|---|
Весовая потеря с плавающей точкой Tensor. Если reduction равно NONE, она имеет такую же форму, как и labels; в противном случае — скалярная. |
| Исключения | |
|---|---|
ValueError | Если форма predictions не соответствует форме labels или если форма weights недействительна. Также, если labels или predictions равны None. |
Совместимость с Eager
Аргумент loss_collection игнорируется при выполнении в режиме Eager. Подумайте о том, чтобы сохранить возвращаемое значение или собирать потери с помощью 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/r2.3/api_docs/python/tf/compat/v1/losses/mean_squared_error
