Funciones de pérdida integradas.

Ver alias

Alias ​​principales

tf.losses

Clases

class BinaryCrossentropy: Calcula la pérdida de entropía cruzada entre true etiquetas y etiquetas predichas.

class CategoricalCrossentropy: Calcula la pérdida de entropía cruzada entre las etiquetas y las predicciones.

class CategoricalHinge: Calcula la pérdida de bisagra categórica entre y_true y y_pred.

class CosineSimilarity: Calcula la similitud de coseno entre etiquetas y predicciones.

class Hinge: Calcula la pérdida de bisagra entre y_true y y_pred.

class Huber: Calcula la pérdida de Huber entre y_true y y_pred.

class KLDivergence: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true y y_pred.

class LogCosh: Calcula el logaritmo del coseno hiperbólico del error de predicción.

class Loss: Clase base de pérdida.

class MeanAbsoluteError: Calcula la media de la diferencia absoluta entre etiquetas y predicciones.

class MeanAbsolutePercentageError: Calcula el error porcentual absoluto medio entre y_true y y_pred.

class MeanSquaredError: Calcula la media de cuadrados de errores entre etiquetas y predicciones.

class MeanSquaredLogarithmicError: Calcula el error logarítmico cuadrático medio entre y_true y y_pred.

class Poisson: Calcula la pérdida de Poisson entre y_true y y_pred.

class Reduction: Tipos de reducción de pérdidas.

class SparseCategoricalCrossentropy: Calcula la pérdida de entropía cruzada entre las etiquetas y las predicciones.

class SquaredHinge: Calcula la pérdida de bisagra al cuadrado entre y_true y y_pred.

Funciones

KLD(...): Calcula la pérdida de divergencia de Kullback-Leibler entre y_true y y_pred.

MAE(...): Calcula el error absoluto medio entre etiquetas y predicciones.

MAPE(...): Calcula el error porcentual absoluto medio entre y_true y y_pred.

MSE(...): Calcula el error cuadrático medio entre etiquetas y predicciones.

MSLE(...): Calcula el error logarítmico cuadrático medio entre y_true y y_pred.

binary_crossentropy(...): Calcula la pérdida de entropía cruzada binaria.

categorical_crossentropy(...): Calcula la pérdida de entropía cruzada categórica.

categorical_hinge(...): Calcula la pérdida de bisagra categórica entre y_true y y_pred.

cosine_similarity(...): Calcula la similitud de coseno entre etiquetas y predicciones.

deserialize(...): Deserializa una instancia de función / clase de pérdida serializada.

get(...): Recupera una pérdida de Keras como function/Loss instancia de clase.

hinge(...): Calcula la pérdida de bisagra entre y_true y y_pred.

huber(...): Calcula el valor de pérdida de Huber.

kl_divergence(...): Calcula la pérdida de divergencia de Kullback-Leibler entre y_true y y_pred.

kld(...): Calcula la pérdida de divergencia de Kullback-Leibler entre y_true y y_pred.

kullback_leibler_divergence(...): Calcula la pérdida de divergencia de Kullback-Leibler entre y_true y y_pred.

log_cosh(...): Logaritmo del coseno hiperbólico del error de predicción.

logcosh(...): Logaritmo del coseno hiperbólico del error de predicción.

mae(...): Calcula el error absoluto medio entre etiquetas y predicciones.

mape(...): Calcula el error porcentual absoluto medio entre y_true y y_pred.

mean_absolute_error(...): Calcula el error absoluto medio entre etiquetas y predicciones.

mean_absolute_percentage_error(...): Calcula el error porcentual absoluto medio entre y_true y y_pred.

mean_squared_error(...): Calcula el error cuadrático medio entre etiquetas y predicciones.

mean_squared_logarithmic_error(...): Calcula el error logarítmico cuadrático medio entre y_true y y_pred.

mse(...): Calcula el error cuadrático medio entre etiquetas y predicciones.

msle(...): Calcula el error logarítmico cuadrático medio entre y_true y y_pred.

poisson(...): Calcula la pérdida de Poisson entre y_true e y_pred.

serialize(...): Serializa la función de pérdida o Loss ejemplo.

sparse_categorical_crossentropy(...): Calcula la pérdida de entropía cruzada categórica dispersa.

squared_hinge(...): Calcula la pérdida de bisagra al cuadrado entre y_true y y_pred.