3.3.3. renom.layers.loss package

class ClippedMeanSquaredError ( min=-1.0 , max=1.0 , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.layer.Layer

制限付き平均二乗誤差関数クラス

入力xに対して以下の計算式で与えられる出力を返す。

x :入力データ
y :テストデータ
N :入力データの数
\begin{split}E(x) &= \frac{\sum_{n}\sum_{k} (x_{nk}-y_{nk})^2}{N}\end{split}
\begin{split}\begin{eqnarray} \cfrac{\partial E}{\partial x} = \left\{\begin{array}{ll} \cfrac{\partial E}{\partial x} & (min < \cfrac{\partial E}{\partial x} < max) \\ max & (max \geq \frac{\partial E}{\partial x}) \\ min & (min \leq \frac{\partial E}{\partial x}) \end{array} \right. \end{eqnarray}\end{split}
パラメータ:
  • min – 平均二乗誤差の上限
  • max – 平均二乗誤差の下限
  • input_size – 入力データサイズ
  • name – 層の名前
class MeanSquaredError ( input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.layer.Layer

平均二乗誤差関数クラス

入力xに対して以下の計算式で与えられる出力を返す。

x :入力データ
y :テストデータ
N :入力データの数
E(x)=\sum_{n}^{N}\sum_{k}^{K}(x_{nk}-y_{nk})^2/2/N
パラメータ:
  • input_size – 入力データサイズ
  • name – 層の名前
class SigmoidCrossEntropy ( input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.layer.Layer

SigmoidCrossEntropyクラス

入力xに対して以下の計算式で与えられる出力を返す。

y :テストデータ
N :入力xの数
\begin{split}z_{nk} &= 1/(1 + \exp(-x_{nk})) \\\\ E(x) &= -\sum_{n}^{N}\sum_{k}^{K}(y_{nk}\log(z_{nk})+(1-y_{nk})\log(1-z_{nk}))/N\end{split}
パラメータ:
  • input_size – 入力データサイズ
  • name – 層の名前
class SoftmaxCrossEntropy ( substruct_max=True , input_size=None , name=None , **kwargs )

ベースクラス: renom.layers.layer.Layer

SoftmaxCrossEntropyクラス

入力xに対して以下の計算式で与えられる出力を返す。

y :テストデータ
N :入力xの数
\begin{split}z_{nk} &= \exp(x_{nk})/\sum_{j=1}^{K}\exp(x_{nj}) \\\\ E(x) &= -\sum_{n}^{N}\sum_{k}^{K}y_{nk}\log(z_{nk})/N \end{split}
パラメータ:
  • substruct_max ( boolean ) – Trueの時、 \exp(x_k - max_k x_k) を計算します
  • input_size ( int ) – 入力データサイズ
  • name ( string ) – 層の名前