TensorFlow函数:tf.losses.absolute_difference
2018-08-17 15:26 更新
tf.losses.absolute_difference函数
tf.losses.absolute_difference(
labels,
predictions,
weights=1.0,
scope=None,
loss_collection=tf.GraphKeys.LOSSES,
reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)
定义在:tensorflow/python/ops/losses/losses_impl.py.
在训练过程中添加绝对差值loss.
weights作为loss的系数.如果提供了标量,那么损失只是按给定值进行缩放.如果weights是形状为[batch_size]的Tensor,则批次中每个样品的总loss由weights向量中的相应元素重新调整.如果weights的形状与predictions的形状匹配,则每个predictions的预测元素的loss由相应的weights值缩放.
参数:
- labels:真实的输出张量,与“predictions”具有相同的维度.
- predictions:预测的产出.
- weights:可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1,或者与相应的losses维度相同).
- scope:计算loss时执行的操作范围.
- loss_collection:将添加此loss的集合.
- reduction:适用于loss的减少类型.
返回:
该函数返回加权loss浮动Tensor.如果reduction是NONE,则它的形状与labels相同;否则,它是标量.
可能引发的异常:
- ValueError:如果predictions的形状与labels不匹配,或者weights的形状是无效的,或者labels、predictions是None.