tf.compat.v1.losses.mean_squared_error
Добавляет потерю типа «сумма квадратов» к процедуре 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 действует как коэффициент для потери. Если задано скалярное значение, то потеря просто масштабируется заданным значением. Если weights является тензором размера [batch_size], то общая потеря для каждого образца пакета масштабируется соответствующим элементом в векторе weights. Если форма weights соответствует форме predictions, то потеря каждого измеримого элемента predictions масштабируется соответствующим значением weights.
| Аргументы | |
|---|---|
labels | Тензор целевого выходного значения, размерность совпадает с 'predictions'. |
predictions | Предсказанные выходные значения. |
weights | Необязательный Tensor, ранг которого равен 0 или совпадает с рангом labels, и он должен быть совместим с labels (т.е., все измерения должны быть либо 1, либо совпадать с соответствующим измерением losses). |
scope | Область для операций, выполняемых при вычислении потери. |
loss_collection | Коллекция, в которую будет добавлена потеря. |
reduction | Тип операции сведения, применяемой к потере. |
| Возвращаемое значение | |
|---|---|
Весовая потеря float Tensor. Если reduction имеет значение NONE, то она имеет ту же форму, что и labels; в противном случае, это скаляр. |
| Исключения | |
|---|---|
ValueError | Если форма predictions не соответствует форме labels, или если форма weights недопустима. Также, если labels или predictions равно None. |
Совместимость с режимом Eager
Аргумент loss_collection игнорируется при выполнении в режиме Eager. Рассмотрите возможность сохранения возвращаемого значения или сбора потерь 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/r2.4/api_docs/python/tf/compat/v1/losses/mean_squared_error
