Python tf.keras.losses.Huber用法及代码示例

计算 y_true 和 y_pred 之间的 Huber 损失。

继承自：Loss

用法

tf.keras.losses.Huber(
    delta=1.0, reduction=losses_utils.ReductionV2.AUTO, name='huber_loss'
)

对于 error = y_true - y_pred 中的每个值 x：

loss = 0.5 * x^2                  if |x| <= d
loss = 0.5 * d^2 + d * (|x| - d)  if |x| > d

其中 d 是delta.看：https://en.wikipedia.org/wiki/Huber_loss

单机使用：

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.Huber()
h(y_true, y_pred).numpy()
0.155

# Calling with 'sample_weight'.
h(y_true, y_pred, sample_weight=[1, 0]).numpy()
0.09

# Using 'sum' reduction type.
h = tf.keras.losses.Huber(
    reduction=tf.keras.losses.Reduction.SUM)
h(y_true, y_pred).numpy()
0.31

# Using 'none' reduction type.
h = tf.keras.losses.Huber(
    reduction=tf.keras.losses.Reduction.NONE)
h(y_true, y_pred).numpy()
array([0.18, 0.13], dtype=float32)

compile() API 的用法：

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