TensorFlow函數(shù)：tf.losses.log_loss

tf.losses.log_loss函數(shù)

tf.losses.log_loss(
    labels,
    predictions,
    weights=1.0,
    epsilon=1e-07,
    scope=None,
    loss_collection=tf.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

定義在：tensorflow/python/ops/losses/losses_impl.py.

在訓(xùn)練過(guò)程中添加Log Loss術(shù)語(yǔ).

weights作為loss的系數(shù).如果提供了標(biāo)量,那么loss只是按給定值縮放.如果weights是一個(gè)大小為[batch_size]的張量,那么批次的每個(gè)樣本的總loss由weights向量中的相應(yīng)元素重新調(diào)整.如果weights的形狀與predictions的形狀匹配,則predictions的每個(gè)可測(cè)量元素的loss由相應(yīng)的weights值縮放.

參數(shù)：

• labels：真實(shí)的輸出張量,與“predictions”相同.
• predictions：預(yù)測(cè)的輸出.
• weights：可選的Tensor,其秩為0或與labels具有相同的秩,并且必須可廣播到labels(即,所有維度必須為1,或者與相應(yīng)的losses維度相同).
• epsilon：要添加的小增量,以避免占用零的日志.
• scope：計(jì)算loss時(shí)執(zhí)行的操作范圍.
• loss_collection：將添加loss的集合.
• reduction：適用于loss的減少類型.

返回：

加權(quán)損失浮動(dòng)Tensor.如果reduction是NONE,它的形狀與labels相同；否則,它是標(biāo)量.

可能引發(fā)的異常：

• ValueError：如果predictions的形狀與labels不匹配,或weights的形狀無(wú)效,或者如果labels或predictions為None,則會(huì)引發(fā)此異常.