Tensorflow.js tf.losses.logLoss()用法及代码示例

Tensorflow.js是Google开发的开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。

Tensorflow.js tf.losses.logLoss() 函数计算两个给定张量之间的对数损失。

用法:

tf.losses.logLoss (labels, predictions, weights?, epsilon?, reduction?)

参数：

labels:它指定了真值输出张量。基于该张量预测绝对差异。
predictions:它指定与标签具有相同维度的预测输出张量。
weights:它指定一个秩张量，或者等于标签的秩，以便它可以广播，或者为 0。它是一个可选参数。
epsilon:一个小的常数值，以避免取零对数。它是一个可选参数。
reduction:它指定了减少损失的类型。它是可选的。

返回值：它返回一个由 logLoss() 函数计算的 tf.Tensor。

范例1：在这个例子中，我们将采用两个 2d 张量作为标签和预测。然后我们会找到这两个张量的对数损失。

Javascript


// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
  
// Defining label tensor 
const x_label = tf.tensor2d([ 
    [0., 1., 0.],  
    [1., 0., 1.] 
]); 
  
// Defining prediction tensor 
const x_pred = tf.tensor2d([ 
    [1., 1., 1.],  
    [0., 0., 0. ] 
]); 
  
// Calculating log loss
const log_loss = tf.losses.logLoss(x_label,x_pred) 
    
// Printing the output 
log_loss.print()

输出：

Tensor
    10.745397567749023

范例2：在这个例子中，我们将记录两个给定张量的损失，并避免使用一个小的常数值 epsilon 取零对数。

Javascript


// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
  
// Defining label tensor 
const x_label = tf.tensor2d([ 
    [1, 0, 0],  
    [1, 1, 0] 
]); 
  
// Defining prediction tensor 
const x_pred = tf.tensor2d([ 
    [1, 1, 1],  
    [0, 0, 0] 
]); 
  
const epsilon = 0.1;
  
// Calculating log loss 
const log_loss = tf.losses.logLoss(x_label,x_pred,epsilon) 
    
// Printing the output 
log_loss.print()

输出：

Tensor
    1.0745397806167603

参考：https://js.tensorflow.org/api/latest/#losses.logLoss

相关用法

注：本文由纯净天空筛选整理自abhinavjain194大神的英文原创作品 Tensorflow.js tf.losses.logLoss() Function。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。