tf.keras.losses.SquaredHinge

Вычисляет среднеквадратичную ошибку Хинджа между y_true и y_pred.

Наследуется от: Loss

tf.keras.losses.SquaredHinge(
    reduction=losses_utils.ReductionV2.AUTO, name='squared_hinge'
)

loss = square(maximum(1 - y_true * y_pred, 0))

Ожидается, что значения y_true будут равны -1 или 1. Если предоставляются бинарные метки (0 или 1), мы преобразуем их в -1 или 1.

Использование автономно:

y_true = [[0., 1.], [0., 0.]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
# Using 'auto'/'sum_over_batch_size' reduction type.
h = tf.keras.losses.SquaredHinge()
h(y_true, y_pred).numpy()
1.86

# Calling with 'sample_weight'.
h(y_true, y_pred, sample_weight=[1, 0]).numpy()
0.73

# Using 'sum' reduction type.
h = tf.keras.losses.SquaredHinge(
    reduction=tf.keras.losses.Reduction.SUM)
h(y_true, y_pred).numpy()
3.72

# Using 'none' reduction type.
h = tf.keras.losses.SquaredHinge(
    reduction=tf.keras.losses.Reduction.NONE)
h(y_true, y_pred).numpy()
array([1.46, 2.26], dtype=float32)

Использование с API compile():

model.compile(optimizer='sgd', loss=tf.keras.losses.SquaredHinge())

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт экземпляр Loss из его конфигурации (выход 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.