Python tf.keras.losses.Loss用法及代碼示例

損失基類。

用法

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

由子類實現：

• call() ：包含使用 y_true , y_pred 進行損失計算的邏輯。

示例子類實現：

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)

當與 tf.distribute.Strategy 一起使用時，在 tf.keras compile 和 fit 等內置訓練循環之外，請使用 'SUM' 或 'NONE' 減少類型，並在訓練循環中明確減少損失。使用 'AUTO' 或 'SUM_OVER_BATCH_SIZE' 將引發錯誤。

有關更多詳細信息，請參閱此自定義訓練教程。

您可以使用全局批量大小來實現'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))