Python tf.compat.v1.losses.huber_loss用法及代碼示例

在訓練過程中添加 Huber Loss 項。

用法

tf.compat.v1.losses.huber_loss(
    labels, predictions, weights=1.0, delta=1.0, scope=None,
    loss_collection=tf.GraphKeys.LOSSES, reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

參數

labels 地麵實況輸出張量，與'predictions' 的維度相同。
predictions 預測的輸出。
weights 可選Tensor，其秩為0，或與labels相同的秩，並且必須可廣播到labels(即，所有維度必須是1，或與相應的losses維度相同) .
delta float ，Huber損失函數從二次變為線性的點。
scope 在計算損失時執行的操作的範圍。
loss_collection 將添加損失的集合。
reduction 適用於損失的減免類型。

加權損失浮點數 Tensor 。如果 reduction 是 NONE ，則其形狀與 labels 相同；否則，它是標量。

拋出

ValueError 如果predictions 的形狀與labels 的形狀不匹配或weights 的形狀無效。此外，如果 labels 或 predictions 為無。

對於 error=labels-predictions 中的每個值 x，計算如下：

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

其中 d 是 delta 。

weights 作為損失的係數。如果提供了標量，則損失隻是按給定值縮放。如果 weights 是大小為 [batch_size] 的張量，則批次的每個樣本的總損失將由 weights 向量中的相應元素重新縮放。如果 weights 的形狀與 predictions 的形狀匹配，則 predictions 的每個可測量元素的損失將按 weights 的相應值進行縮放。

eager模式兼容性

loss_collection 參數在即刻執行時被忽略。考慮保持返回值或通過 tf.keras.Model 收集損失。

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.losses.huber_loss。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。