Función Tensorflow.js tf.losses.logLoss()

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.

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

Sintaxis:

tf.losses.logLoss (labels, predictions, weights?, epsilon?, reduction?)

Parámetros:

• etiquetas: Especifica el tensor de salida de verdad. La diferencia absoluta se predice en base a este tensor.
• Predicciones: especifica el tensor de salida predicho con las mismas dimensiones que las etiquetas.
• pesos: Especifica un tensor de rango ya sea igual al de las etiquetas para que pueda ser retransmitible o 0. Es un parámetro opcional.
• epsilon: Un pequeño valor constante para evitar tomar log de cero. Es un parámetro opcional.
• reducción: Especifica el tipo de reducción a la pérdida. es opcional

Valor devuelto: Devuelve un tf.Tensor que se calcula mediante la función logLoss().

Ejemplo 1: En este ejemplo tomaremos dos tensores 2d como etiquetas y predicción. Entonces encontraremos la pérdida logarítmica de estos dos tensores.

// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
  
// Defining label tensor 
const x_label = tf.tensor2d([ 
    [0., 1., 0.],  
    [1., 0., 1.] 
]); 
  
// Defining prediction tensor 
const x_pred = tf.tensor2d([ 
    [1., 1., 1.],  
    [0., 0., 0. ] 
]); 
  
// Calculating log loss
const log_loss = tf.losses.logLoss(x_label,x_pred) 
    
// Printing the output 
log_loss.print()

Producción:

Tensor
    10.745397567749023

Ejemplo 2: En este ejemplo, registraremos la pérdida de dos tensores dados y evitaremos tomar el registro de cero usando un valor constante pequeño, épsilon.

// Importing the tensorflow.js library 
const tf = require("@tensorflow/tfjs"); 
  
// Defining label tensor 
const x_label = tf.tensor2d([ 
    [1, 0, 0],  
    [1, 1, 0] 
]); 
  
// Defining prediction tensor 
const x_pred = tf.tensor2d([ 
    [1, 1, 1],  
    [0, 0, 0] 
]); 
  
const epsilon = 0.1;
  
// Calculating log loss 
const log_loss = tf.losses.logLoss(x_label,x_pred,epsilon) 
    
// Printing the output 
log_loss.print()

Producción:

Tensor
    1.0745397806167603

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