MeanSquaredLossLayer

MeanSquaredLossLayer[]

"Input"ポートと"Target"ポートの間の平均二乗損失を計算する損失層を表す．

詳細とオプション

  • MeanSquaredLossLayerはNetGraph等で使うために次のポートを開放する．
  • "Input"任意階数の配列
    "Target""Input"と同じ階数の配列
    "Loss"実数
  • MeanSquaredLossLayer[…][<|"Input"->in,"Target"target|>]は，層を適用して明示的に出力を計算する．
  • MeanSquaredLossLayer[…][<|"Input"->{in1,in2,…},"Target"->{target1,target2,…}|>] は，iniと targetiのそれぞれについて明示的に出力を計算する．
  • NumericArrayが入力として与えられると，出力はNumericArrayになる．
  • MeanSquaredLossLayerは，訓練ネットワークを構築するためにNetGraph内で使われることが多い．
  • 特定のネットワークの訓練中に，MeanSquaredLossLayer[…]をNetTrainの第3引数として与えることができる．
  • 適切であれば，NetTrainは明示的な損失指定が与えられていないときには，自動的にMeanSquaredLossLayerを使う．
  • MeanSquaredLossLayer["port"->shape]で指定された入力"port"の shape を指定することができる．次は，使用可能な shape の形である．
  • "Real"単一の実数
    n長さ n のベクトル
    {n1,n2,…}次元 n1×n2×…の配列
    "Varying"可変長ベクトル
    {"Varying",n2,n3,…}最初の次元が可変長で残りの次元が n2×n3×…の配列
    NetEncoder[…]エンコーダ
    NetEncoder[{…,"Dimensions"{n1,…}}]次元 n1×…の配列にマップされたエンコーダ
  • Options[MeanSquaredLossLayer]は層を構築する際のデフォルトオプションのリストを与える．Options[MeanSquaredLossLayer[…]]はデータについて層を評価する際のデフォルトオプションのリストを与える．
  • Information[MeanSquaredLossLayer[…]]は層についてのレポートを与える．
  • Information[MeanSquaredLossLayer[…],prop]はMeanSquaredLossLayer[…]の特性 prop の値を与える．使用可能な特性はNetGraphと同じである．

例題

すべて開くすべて閉じる

例  (3)

MeanSquaredLossLayerを作る：

長さ3のベクトルを取るMeanSquaredLossLayerを作る：

この層をデータに適用する：

MeanSquaredLossLayerを含むNetGraphを作る：

この層を入力データに適用する：

スコープ  (4)

MeanSquaredLossLayerを作る：

MeanSquaredLossLayerを行列のペアに適用する：

MeanSquaredLossLayerをベクトルのペアに適用する：

MeanSquaredLossLayerを数のペアに適用する：

入力データが長さ2のベクトルであると仮定するMeanSquaredLossLayerを作る：

この層を入力バッチに縫い込む：

2つの可変長ベクトルを取るMeanSquaredLossLayerを作る：

この層を入力とターゲットのベクトルに適用する：

この層を入力ベクトルとターゲットベクトルのバッチに縫い込む：

2つの画像を入力として取るMeanSquaredLossLayerを作る：

この層を似ていない2つの画像に適用する：

この層を似ていない2つの画像に適用する：

アプリケーション  (1)

スカラー数値を取りスカラー数値を生成する単一層のニューラルネットワークを定義し，MeanSquaredLossLayerを使ってこのネットワークを訓練する：

新規入力の値を予測する：

特性と関係  (2)

MeanSquaredLossLayerを計算する：

層の出力を例の定義と比較する：

MeanSquaredLossLayerは，事実上，SquaredEuclideanDistanceの正規化されたものを計算する：

Wolfram Research (2016), MeanSquaredLossLayer, Wolfram言語関数， https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html （2019年に更新）.

テキスト

Wolfram Research (2016), MeanSquaredLossLayer, Wolfram言語関数， https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html （2019年に更新）.

CMS

Wolfram Language. 2016. "MeanSquaredLossLayer." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2019. https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html.

APA

Wolfram Language. (2016). MeanSquaredLossLayer. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html

BibTeX

@misc{reference.wolfram_2024_meansquaredlosslayer, author="Wolfram Research", title="{MeanSquaredLossLayer}", year="2019", howpublished="\url{https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_meansquaredlosslayer, organization={Wolfram Research}, title={MeanSquaredLossLayer}, year={2019}, url={https://reference.wolfram.com/language/ref/MeanSquaredLossLayer.html}, note=[Accessed: 21-November-2024 ]}