DotTorch.Losses 9.2.2

DotTorch.Losses — Библиотека функций потерь для глубокого обучения на .NET

Содержание / Contents / Inhalt / 目录

• Русский
• English
• Deutsch
• 中文

Русский

DotTorch.Losses — специализированная библиотека для вычисления функций потерь в задачах машинного обучения и глубокого обучения на платформе .NET. Пакет расширяет возможности DotTorch.Core, предоставляя набор распространённых и важных loss-функций с полной поддержкой broadcasting, редукций и автоматического дифференцирования.

Основные возможности:

• Поддержка основных функций потерь: MSE, Cross-Entropy, Binary Cross-Entropy, Huber, KL Divergence, Negative Log Likelihood, Hinge Loss.
• Полная интеграция с DotTorch.Core: тензоры, broadcasting, вычислительный граф, autograd.
• Поддержка различных режимов редукции (None, Mean, Sum).
• Высокая производительность и надёжность.
• Лёгкое расширение и интеграция в пользовательские ML/AI пайплайны.
• Полное покрытие тестами для обеспечения стабильной работы.

DotTorch.Losses предназначен для эффективного и удобного вычисления потерь при обучении нейросетей и других моделей машинного обучения с использованием экосистемы .NET.

English

DotTorch.Losses is a specialized library for loss function computation in machine learning and deep learning tasks on the .NET platform. It extends DotTorch.Core by providing a comprehensive set of essential loss functions with full support for broadcasting, reduction modes, and automatic differentiation.

Key features:

• Support for core loss functions: MSE, Cross-Entropy, Binary Cross-Entropy, Huber, KL Divergence, Negative Log Likelihood, Hinge Loss.
• Full integration with DotTorch.Core: tensors, broadcasting, computation graph, autograd.
• Support for various reduction modes (None, Mean, Sum).
• High performance and reliability.
• Easy extensibility and integration into custom ML/AI pipelines.
• Comprehensive testing coverage ensuring stable operation.

DotTorch.Losses is designed for efficient and convenient loss calculation during neural network training and other ML model workflows leveraging the .NET ecosystem.

Deutsch

DotTorch.Losses ist eine spezialisierte Bibliothek zur Berechnung von Verlustfunktionen für maschinelles Lernen und Deep Learning auf der .NET-Plattform. Sie erweitert DotTorch.Core um einen umfassenden Satz essenzieller Verlustfunktionen mit voller Unterstützung für Broadcasting, Reduktionsmodi und automatische Differenzierung.

Hauptfunktionen:

• Unterstützung der wichtigsten Verlustfunktionen: MSE, Cross-Entropy, Binary Cross-Entropy, Huber, KL-Divergenz, Negative Log Likelihood, Hinge Loss.
• Volle Integration mit DotTorch.Core: Tensoren, Broadcasting, Rechengraph, Autograd.
• Unterstützung verschiedener Reduktionsmodi (None, Mean, Sum).
• Hohe Leistung und Zuverlässigkeit.
• Einfache Erweiterbarkeit und Integration in benutzerdefinierte ML/AI-Pipelines.
• Umfassende Testabdeckung für stabile Funktion.

DotTorch.Losses ist für eine effiziente und bequeme Verlustberechnung beim Training von neuronalen Netzen und anderen ML-Modell-Workflows innerhalb des .NET-Ökosystems konzipiert.

中文

DotTorch.Losses 是一个专门用于 .NET 平台机器学习和深度学习任务中损失函数计算的库。它扩展了 DotTorch.Core，提供了一套完整的核心损失函数，支持广播、归约模式和自动微分。

主要功能：

• 支持核心损失函数：MSE、交叉熵、二元交叉熵、Huber、KL散度、负对数似然、Hinge损失。
• 与 DotTorch.Core 完全集成：张量、广播、计算图、自动微分。
• 支持多种归约模式（None, Mean, Sum）。
• 高性能和可靠性。
• 易于扩展并集成到自定义的机器学习/人工智能流水线中。
• 完善的测试覆盖，确保稳定运行。

DotTorch.Losses 专为在使用 .NET 生态系统进行神经网络训练及其他机器学习模型工作流中的高效且便捷的损失计算而设计。