Python tf.keras.losses.Loss用法及代码示例

损失基类。

用法

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

由子类实现：

• call() ：包含使用 y_true , y_pred 进行损失计算的逻辑。

示例子类实现：

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)

当与 tf.distribute.Strategy 一起使用时，在 tf.keras compile 和 fit 等内置训练循环之外，请使用 'SUM' 或 'NONE' 减少类型，并在训练循环中明确减少损失。使用 'AUTO' 或 'SUM_OVER_BATCH_SIZE' 将引发错误。

有关更多详细信息，请参阅此自定义训练教程。

您可以使用全局批量大小来实现'SUM_OVER_BATCH_SIZE'，例如：

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))