ويتيح إنشاء وظائف للخسائر العرفية للمطورين تصميم الشبكات العصبية على مهام محددة، وتحسين الدقة والأداء، وتقيس هذه المهام الفرق بين النواتج المتوقعة والعلامات الحقيقية، وتسترشد بعملية التدريب، وعندما تكون المهام المعيارية للخسائر غير كافية، يمكن للخيارات الجمركية أن تعالج الاحتياجات الفريدة من المشاكل.

فهم المهام المفقودة

فقدان وظائف قياس كمي كيف أن توقعات شبكة العصبية تتطابق مع البيانات الفعلية، إنها ضرورية للتدريب، لأنها تقدم ردود فعل لتعظيم النموذج،

Creating Custom Loss Functions

(ج) استحداث وظيفة للخسائر العرفية تشمل تحديد صيغة رياضية تستوعب الهدف المحدد للمهمة، وتُنفَّذ هذه الصيغة كوظيفة تأخذ النواتج المتوقعة والعلامات الحقيقية كمدخلات وتعيد قيمة تصاعدية تمثل الخسارة.

وفي أطر مثل تينسورفلو أو بيتورتش، كثيرا ما تنشأ مهام الخسارة العرفية عن طريق تحديد وظيفة بيتون التي تقارن القياس المرغوب، ثم تدمج هذه المهام في حلقة التدريب.

أمثلة على الوظائف المتخصصة في الخسائر

  • Dice Loss:] Used in image segmentation to handle class imbalance.
  • Focal Loss:] Focuses on hard-to-classify examples, useful in object detection.
  • Contrastive Loss:] employed in metric learning to learn embeddings.
  • Custom Regression Loss:] Designed for specific domain data with unique error metrics.