Función Tensorflow.js tf.losses.huberLoss()

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node. También ayuda a los desarrolladores a desarrollar modelos ML en lenguaje JavaScript y puede usar ML directamente en el navegador o en Node.js.

La función Tensorflow.js tf.losses.huberLoss() calcula la pérdida de Huber entre dos tensores dados.

Sintaxis:

tf.losses.huberLoss(
    labels, predictions,
    weights, delta, reduction
);

Parámetros:

• etiquetas: Es el tensor de salida de verdad fundamental. Es similar en dimensiones a las ‘predicciones ‘.
• Predicciones: Son las salidas las que se están pronosticando.
• pesos: Son aquellos tensores cuyo rango es 0 ó 1, y deben ser radiodifundibles a pérdida de forma.
• delta: Es ese punto donde huberLoss se convierte de cuadrático a lineal.
• reducción: Es el tipo de reducción a aplicar a la pérdida. Debe ser de tipo Reducción.

Nota: Los pesos , delta y reducción son parámetros opcionales.

Valor devuelto: Devuelve tf.Tensor.

Ejemplo 1:

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Initializing tensor1 as geek1
let geek1 = tf.tensor2d([[1, 2, 5], [6, 7, 10]]);
 
// Initializing tensor2 as geek2
let geek2 = tf.tensor2d([[5, 7, 11], [2, 4, 8]])
 
// Computing huber loss between geek1 and geek2
// using .huberLoss() function
geek = tf.losses.huberLoss(geek1, geek2)
geek.print();

Producción: 

Tensor
    3.5

Ejemplo 2: 

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Computing huber loss between two 3D
// tensors and printing the result
tf.losses.huberLoss(
    tf.tensor4d([[[[9], [8]], [[7], [5]]]]),
    tf.tensor4d([[[[1], [2]], [[3], [4]]]])
).print();

Producción: 

Tensor
    4.25

Referencia: https://js.tensorflow.org/api/latest/#losses.huberLoss