📜  Tensorflow.js tf.losses.absoluteDifference()函数(1)

📅  最后修改于: 2023-12-03 15:05:33.048000             🧑  作者: Mango

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][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,labelspredictions 张量分别代表了三个样本的真实值和模型预测值。按照 labelspredictions 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