代码拉取完成,页面将自动刷新
.. py:class:: mindelec.loss.NetWithLoss(net_without_loss, constraints, loss='l2', dataset_input_map=None, mtl_weighted_cell=None, latent_vector=None, latent_reg=0.01) 带损失的网络封装类。 参数: - **net_without_loss** (Cell) - 无损失定义的训练网络。 - **constraints** (Constraints) - pde问题的约束函数。 - **loss** (Union[str, dict, Cell]) - 损失函数的名称,例如 ``"l1"``、 ``"l2"`` 和 ``"mae"`` 等。默认值: ``"l2"``。 - **dataset_input_map** (dict) - 数据集的输入映射,如果输入为 ``None``,第一列将被设置为输入。默认值: ``None``。 - **mtl_weighted_cell** (Cell) - 基于多任务学习不确定性评估的损失加权算法。默认值: ``None``。 - **latent_vector** (Parameter) - 参数的张量。用于编码变分参数的控制方程的潜向量。它将与采样数据连接在一起,作为最终网络输入。默认值: ``None``。 - **latent_reg** (float) - 潜在向量的正则化系数。默认值: ``0.01``。 输入: - **inputs** (Tensor) - 输入是包含网络输入的可变长度参数。 输出: Tensor,一个shape为 :math:`(1,)` 的标量Tensor。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。