MeanAbsoluteLossLayer

MeanAbsoluteLossLayer[]

表示一个损失层，计算 "Input" 端口和 "Target" 端口之间的平均绝对损失.

更多信息和选项

  • MeanAbsoluteLossLayer 开放下列端口以便用在 NetGraph 等中：
  • "Input"任意阶数的数组
    "Target"阶数与 "Input" 一样的数组
    "Loss"实数
  • MeanAbsoluteLossLayer[…][<|"Input" -> in, "Target"target|>] 通过应用该层明确计算输出.
  • MeanAbsoluteLossLayer[…][<|"Input"->{in1,in2,…},"Target"->{target1,target2,…}|>] 明确计算每个 ini 和 targeti 的输出.
  • 当 NumericArray 作为输入时，输出将是 NumericArray.
  • MeanAbsoluteLossLayer 通常被用在 NetGraph 中构建一个训练网络.
  • 在训练特定网络时，MeanAbsoluteLossLayer[] 对象可被用作 NetTrain 的第三个参数.
  • MeanAbsoluteLossLayer["port"->shape] 允许指定所给输入 "port" 的 shape. shape 的可能形式包括：
  • "Real"一个实数
    n长度为 n 的向量
    {n1,n2,…}维度为 n1×n2×… 的数组
    "Varying"长度是变量的向量
    {"Varying",n2,n3,…}第一维度是变量，其余维度为 n2×n3×… 的数组
    NetEncoder[…]编码器
    NetEncoder[{…,"Dimensions"{n1,…}}]映射到维度为 n1×… 的数组的编码器
  • Options[MeanAbsoluteLossLayer] 给出构建网络层的默认选项的列表. Options[MeanAbsoluteLossLayer[…]] 给出在一些数据上运行网络层的默认选项列表.
  • Information[MeanAbsoluteLossLayer[…]] 给出关于该网络层的报告.
  • Information[MeanAbsoluteLossLayer[…],prop] 给出 MeanAbsoluteLossLayer[…] 的属性 prop 的值. 可能的属性与 NetGraph 相同.

范例

打开所有单元关闭所有单元

基本范例  (3)

创建一个 MeanAbsoluteLossLayer 层：

创建一个接受长度为 3 的向量的 MeanAbsoluteLossLayer：

对数据应用该层：

创建一个含有 MeanAbsoluteLossLayer 的 NetGraph：

对输入数据应用该层：

范围  (4)

Arguments  (1)

创建一个 MeanAbsoluteLossLayer：

对一对矩阵应用 MeanAbsoluteLossLayer：

对一对向量应用 MeanAbsoluteLossLayer：

对一对数字应用 MeanAbsoluteLossLayer：

Ports  (3)

创建一个 MeanAbsoluteLossLayer，假定输入数据是长度为 2 的向量：

将该层逐项应用于一批输入：

创建一个 MeanAbsoluteLossLayer，接受两个长度可变的向量：

对输入和目标序列应用该层：

将该层逐项应用于一批输入和目标向量：

创建一个 MeanAbsoluteLossLayer，接受两幅图像作为输入：

对两幅不相似的图像应用该层：

对两幅不相似的图像应用该层：

应用  (1)

定义一个单层神经网络，它接受标量数值，产生标量数值，并使用 MeanAbsoluteLossLayer 对该网络进行训练：

预测新输入的值：

属性和关系  (2)

MeanAbsoluteLossLayer 计算：

将网络层的输出与实例的定义相比较：

MeanAbsoluteLossLayer 实际上计算的是归一化版本的 ManhattanDistance：

Wolfram Research (2016)，MeanAbsoluteLossLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html （更新于 2019 年）.

文本

Wolfram Research (2016)，MeanAbsoluteLossLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html （更新于 2019 年）.

CMS

Wolfram 语言. 2016. "MeanAbsoluteLossLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2019. https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html.

APA

Wolfram 语言. (2016). MeanAbsoluteLossLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html 年

BibTeX

@misc{reference.wolfram_2024_meanabsolutelosslayer, author="Wolfram Research", title="{MeanAbsoluteLossLayer}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html}", note=[Accessed: 11-December-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_meanabsolutelosslayer, organization={Wolfram Research}, title={MeanAbsoluteLossLayer}, year={2019}, url={https://reference.wolfram.com/language/ref/MeanAbsoluteLossLayer.html}, note=[Accessed: 11-December-2024 ]}