预测误差的双曲余弦的对数。
用法
tf.keras.losses.log_cosh(
y_true, y_pred
)
参数
-
y_true
基本事实值。形状 =[batch_size, d0, .. dN]
。 -
y_pred
预测值。形状 =[batch_size, d0, .. dN]
。
返回
-
Logcosh 错误值。形状 =
[batch_size, d0, .. dN-1]
。
log(cosh(x))
对于小 x
大约等于 (x ** 2) / 2
,对于大 x
大约等于 abs(x) - log(2)
。这意味着'logcosh' 的工作原理与均方误差相似,但不会受到偶尔严重不正确的预测的强烈影响。
单机使用:
y_true = np.random.random(size=(2, 3))
y_pred = np.random.random(size=(2, 3))
loss = tf.keras.losses.logcosh(y_true, y_pred)
assert loss.shape == (2,)
x = y_pred - y_true
assert np.allclose(
loss.numpy(),
np.mean(x + np.log(np.exp(-2. * x) + 1.) - math_ops.log(2.), axis=-1),
atol=1e-5)
相关用法
- Python tf.keras.losses.MeanAbsoluteError用法及代码示例
- Python tf.keras.losses.huber用法及代码示例
- Python tf.keras.losses.BinaryCrossentropy用法及代码示例
- Python tf.keras.losses.BinaryFocalCrossentropy用法及代码示例
- Python tf.keras.losses.categorical_hinge用法及代码示例
- Python tf.keras.losses.cosine_similarity用法及代码示例
- Python tf.keras.losses.Huber用法及代码示例
- Python tf.keras.losses.LogCosh用法及代码示例
- Python tf.keras.losses.MeanAbsolutePercentageError用法及代码示例
- Python tf.keras.losses.get用法及代码示例
- Python tf.keras.losses.CosineSimilarity用法及代码示例
- Python tf.keras.losses.Hinge用法及代码示例
- Python tf.keras.losses.SparseCategoricalCrossentropy用法及代码示例
- Python tf.keras.losses.KLDivergence用法及代码示例
- Python tf.keras.losses.MeanSquaredLogarithmicError用法及代码示例
- Python tf.keras.losses.CategoricalCrossentropy用法及代码示例
- Python tf.keras.losses.MeanSquaredError用法及代码示例
- Python tf.keras.losses.SquaredHinge用法及代码示例
- Python tf.keras.losses.Poisson用法及代码示例
- Python tf.keras.losses.CategoricalHinge用法及代码示例
注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.losses.log_cosh。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。