📅  最后修改于: 2023-12-03 15:05:33.048000             🧑  作者: Mango
TensorFlow.js提供了很多损失函数来计算模型的训练误差。其中,tf.losses.absoluteDifference()
函数用于计算预测值与真实值之间的绝对差。
tf.losses.absoluteDifference(labels, predictions, weights)
labels
:真实值,张量类型,形状为 [batch_size, classes]
或 [batch_size, 1]
。predictions
:模型预测值,张量类型,与 labels
形状相同。weights
(可选):样本的加权系数,张量类型,形状与 labels
相同。返回预测值与真实值之间的绝对差,以张量类型返回。
const labels = tf.tensor([[1], [2], [3]]);
const predictions = tf.tensor([[2], [4], [6]]);
const loss = tf.losses.absoluteDifference(labels, predictions);
loss.print(); // 输出: Tensor
在上面的示例中,labels
和 predictions
张量分别代表了三个样本的真实值和模型预测值。按照 labels
和 predictions
的形状,我们可以看到它们分别是一个三行一列的张量。
通过调用 tf.losses.absoluteDifference()
函数,我们可以计算出预测值与真实值之间的绝对差。在本例中,输出的 loss
张量为一个三行一列的张量,它的值为每个样本的预测值与真实值之间的绝对差。