tensorflow tf.keras.losses.MeanSquaredError 均方差损失函数 示例
import tensorflow as tf
import numpy as np
公式
error=1m∑i=1m(xi−yi)2error = \frac{1}{m}\sum_{i=1}^{m}(x_{i}-y_{i})^{2}error=m1∑i=1m(xi−yi)2
y_true = np.array([[1., 2.], [3., 4.]])
y_pred = np.array([[5., 6.], [9., 10.]])
mse = tf.keras.losses.MeanSquaredError() # 均方差损失函数
mse(y_true, y_pred).numpy()
26.0
计算过程
14×[(1−5)2+(2−6)2+(3−9)2+(4−10)2]=26\frac{1}{4}\times [(1-5)^{^{2}}+(2-6)^{2}+(3-9)^{2}+(4-10)^{2}] = 2641×[(1−5)2+(2−6)2+(3−9)2+(4−10)2]=26
mse = tf.keras.losses.MeanSquaredError(reduction=tf.keras.losses.Reduction.NONE # 分开计算损失值
) # 均方差损失函数
mse(y_true, y_pred).numpy()
array([16., 36.])
计算过程
12×[(1−5)2+(2−6)2],12×[(3−9)2+(4−10)2]=[16,36]\frac{1}{2}\times [(1-5)^{^{2}}+(2-6)^{2}],\frac{1}{2}\times[(3-9)^{2}+(4-10)^{2}] = [16,36]21×[(1−5)2+(2−6)2],21×[(3−9)2+(4−10)2]=[16,36]
tensorflow tf.keras.losses.MeanSquaredError 均方差损失函数 示例相关推荐
- TensorFlow tf.keras.losses.MeanSquaredError
均方误差(mean-square error, MSE) mse = tf.keras.losses.MeanSquaredError() loss = mse([0., 0., 1., 1.], [ ...
- TensorFlow tf.keras.losses.SparseCategoricalCrossentropy 、 categorical_crossentropy
categorical_crossentropy VS. sparse_categorical_crossentropy 转载qq_42961707 最后发布于2019-07-13 22:10:12 ...
- TensorFlow tf.keras.losses.BinaryCrossentropy
cross-entropy loss L=−[ylogy^+(1−y)log(1−y^)]L=-[ylog\ \hat y+(1-y)log\ (1-\hat y)]L=−[ylog y^+(1−y ...
- TensorFlow tf.keras.losses.CategoricalHinge
铰链损失函数(Hinge Loss)主要用于SVM中,最大化分割超平面的距离 ch = tf.keras.losses.CategoricalHinge() loss = ch([0., 1., 1. ...
- TensorFlow tf.keras.losses.CategoricalCrossentropy
用于多分类问题,传入的是one-hot编码目标,如果是int类型的编码目标,使用SparseCategoricalCrossentropy 下面这个例子中y_pred和y_true的形状是[batch ...
- TensorFlow tf.keras.losses.SparseCategoricalCrossentropy
下面的例子,y_true的形状是[batch_size],y_pred的形状是[batch_size,num_class]. 也就是说y_pred经过softmax层之后,是one-hot编码,Spa ...
- tf.keras.losses.MeanSquaredLogarithmicError 损失函数 的用法
均方对数误差 error=1n∑i=1n(log(pi+1)−log(ai+1))2error = \frac{1}{n}\sum_{i=1}^{n}(log(p_{i}+1)-log(a_{i}+1 ...
- tf.keras.losses.Poisson 损失函数 示例
泊松损失函数 预测值为为 PPP ,真实值 TTT . poisson(P,T)=1n∑i=1n(Pi−Tilog(Pi))poisson(P,T)=\frac{1}{n}\sum_{i=1}^{n} ...
- tf.keras.losses.CategoricalHinge 损失函数示例
import tensorflow as tf 铰链损失函数 它可用于"最大间隔(max-margin)"分类,其最著名的应用是作为SVM的损失函数. 二分类 多分类 y_true ...
最新文章
- android简单的计算器
- ICML 2020 | Google提出最强生成式摘要预训练模型——天马
- iOS：多线程技术GCD的使用
- 多个类共同继承一个父类
- 数据之路 - Python爬虫 - BeautifulSoup库
- jquery-pager的使用
- 工具分享之NetSetMan
- 上学前夕-心里有种说不出的感觉-眼里酸酸的
- 利用MUI+个推实现APP消息推送
- CString 彻底解析
- matlab绘制动画保存
- 系统上电复位后GPIO默认输出电平对系统的影响
- 网易员工入职必学excel课程，妈妈再也不懂担心我做表哥/表姐了！
- Learning Calibrated Medical Image Segmentation via Multi-rater Agreement Modeling
- python nodemcu_NodeMCU-32S MicroPython固件的使用
- 用python编写累加_python中累加怎么做
- 换购优惠 java代码_商品换购小程序
- 计算机组成原理入门了解
- opencv2/3播放视频实现进度条显示拖动、快进、快退、逐帧播放、显示当前帧于图像
- lyjutils.js javascript 工具类