Tensorflow.js tf.losses.absoluteDifference()用法及代碼示例

Tensorflow.js是Google開發的開源庫，用於在瀏覽器或節點環境中運行機器學習模型和深度學習神經網絡。它還可以幫助開發人員使用JavaScript語言開發ML模型，並可以直接在瀏覽器或Node.js中使用ML。

Tensorflow.js tf.losses.absoluteDifference() 函數計算兩個給定張量之間的絕對差損失。

用法:

tf.losses.absoluteDifference(labels, 
    predictions, weights, reduction);

參數：

labels:它指定了真值輸出張量。基於該張量預測絕對差異。
predictions:它指定與標簽具有相同維度的預測輸出張量。
weights:它指定一個秩張量，或者等於標簽的秩，以便它可以廣播，或者為 0。它是一個可選參數。
reduction:它指定了減少損失的類型。它是可選的。

返回值：它返回一個由 absoluteDifference() 函數計算的 tf.Tensor。

範例1：在這個例子中，我們將采用兩個 2d 張量作為標簽和預測。然後我們會找到這兩者的絕對差損失。

Javascript


// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
  
// Defining label tensor 
const y_true = tf.tensor2d([ 
    [0., 1., 0.],  
    [0., 0., 0.] 
]); 
  
// Defining prediction tensor 
const y_pred = tf.tensor2d([ 
    [1., 1., 0.],  
    [1., 0., 0 ] 
]); 
  
// Calculating absolute difference 
const absolute_difference = 
    tf.losses.absoluteDifference(y_true,y_pred) 
    
// Printing the output 
 absolute_difference.print()

輸出：

範例2：取絕對函數中標簽的秩權重，然後計算絕對差。

Javascript


// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
    
// Defining label tensor 
const y_true = tf.tensor2d( 
    [0., 1., 0., 0., 0., 0., 1.,  
    0., 1., 1., 0., 1.], [4, 3] 
); 
// Defining predicted tensor 
const y_pred = tf.tensor2d( 
    [1., 1., 0., 1., 0., 0., 1.,  
    1., 1., 0., 0., 1.], [4, 3] 
); 
  
    
// Calculating absolute difference
const absolute_difference = tf.losses.absoluteDifference( 
       y_true, y_pred, [0.7, 0.3, 0.2]) 
absolute_difference.print()

輸出：

參考： https://js.tensorflow.org/api/1.0.0/#losses.absoluteDifference

相關用法

注：本文由純淨天空篩選整理自abhinavjain194大神的英文原創作品 Tensorflow.js tf.losses.absoluteDifference() Function。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。