Python tf.keras.losses.SquaredHinge用法及代码示例

计算 y_true 和 y_pred 之间的平方铰链损失。

继承自：Loss

用法

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

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

y_true 值应为 -1 或 1。如果提供二进制(0 或 1)标签，我们会将它们转换为 -1 或 1。

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.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)

compile() API 的用法：

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