tf.keras.losses.Loss

Базовый класс потерь.

tf.keras.losses.Loss(
    reduction=losses_utils.ReductionV2.AUTO, name=None
)

Подклассы должны реализовать:

• call(): Содержит логику вычисления потерь с использованием y_true, y_pred.

Пример реализации подкласса:

class MeanSquaredError(Loss):

  def call(self, y_true, y_pred):
    y_pred = tf.convert_to_tensor_v2(y_pred)
    y_true = tf.cast(y_true, y_pred.dtype)
    return tf.reduce_mean(math_ops.square(y_pred - y_true), axis=-1)

При использовании с tf.distribute.Strategy вне встроенных циклов обучения, таких как tf.keras compile и fit, используйте типы сокращения 'SUM' или 'NONE' и явно вычисляйте потери в вашем цикле обучения. Использование 'AUTO' или 'SUM_OVER_BATCH_SIZE' приведёт к ошибке.

См. этот учебник по кастомному обучению tutorial для получения более подробной информации.

Вы можете реализовать 'SUM_OVER_BATCH_SIZE' с использованием глобального размера пакета, например:

with strategy.scope():
  loss_obj = tf.keras.losses.CategoricalCrossentropy(
      reduction=tf.keras.losses.Reduction.NONE)
  ....
  loss = (tf.reduce_sum(loss_obj(labels, predictions)) *
          (1. / global_batch_size))

Методы

call

Просмотреть исходный код

@abc.abstractmethod
call(
    y_true, y_pred
)

Вызывает экземпляр Loss.

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт экземпляр Loss из его конфигурации (выхода get_config()).

get_config

Просмотреть исходный код

get_config()

Возвращает словарь конфигурации для экземпляра Loss.

__call__

Просмотреть исходный код

__call__(
    y_true, y_pred, sample_weight=None
)

Вызывает экземпляр Loss.