TensorFlow.js中的tf.losses.absoluteDifference()函数介绍

简介

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。

语法

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

参数

• 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。

返回值

返回预测值与真实值之间的绝对差，以张量类型返回。

示例

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。

参考资料

• TensorFlow.js文档：tf.losses.absoluteDifference()