এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

BinaryCrossentropy

পাবলিক ক্লাস BinaryCrossentropy

প্রকৃত লেবেল এবং পূর্বাভাসিত লেবেলের মধ্যে ক্রস-এনট্রপি ক্ষতি গণনা করে।

এই ক্রস-এনট্রপি লস ব্যবহার করুন যখন শুধুমাত্র দুটি লেবেল ক্লাস থাকে (0 এবং 1 বলে ধরে নেওয়া হয়)। প্রতিটি উদাহরণের জন্য, প্রতি পূর্বাভাসের জন্য একটি একক ফ্লোটিং-পয়েন্ট মান থাকা উচিত।

স্বতন্ত্র ব্যবহার:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    BinaryCrossentropy bce = new BinaryCrossentropy(tf);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces 0.815

নমুনা ওজন সহ কল করা:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = bce.call(labels, predictions, sampleWeight);
    // produces 0.458f

SUM হ্রাস প্রকার ব্যবহার করে:

    BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.SUM);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces 1.630f

NONE হ্রাস প্রকার ব্যবহার করে:

    BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.NONE);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces [0.916f, 0.714f]

ধ্রুবক

বুলিয়ান	FROM_LOGITS_DEFAULT
ভাসা	LABEL_SMOOTHING_DEFAULT

উত্তরাধিকারসূত্রে প্রাপ্ত ক্ষেত্র

org.tensorflow.framework.losses.Loss ক্লাস থেকে

পাবলিক স্ট্যাটিক চূড়ান্ত হ্রাস REDUCTION_DEFAULT

পাবলিক কনস্ট্রাক্টর

	BinaryCrossentropy (Ops tf) লস নাম হিসাবে `getSimpleName()` ব্যবহার করে একটি বাইনারি ক্রসসেনট্রপি লস তৈরি করে, fromLogits-এর জন্য `FROM_LOGITS_DEFAULT` , লেবেল স্মুথিংয়ের জন্য `LABEL_SMOOTHING_DEFAULT` এবং `REDUCTION_DEFAULT` এর ক্ষতি হ্রাস
	BinaryCrossentropy (Ops tf, হ্রাস হ্রাস) লস নাম হিসাবে `getSimpleName()` ব্যবহার করে একটি বাইনারি ক্রসসেনট্রপি ক্ষতি তৈরি করে, fromLogits-এর জন্য `FROM_LOGITS_DEFAULT` এবং লেবেল স্মুথিংয়ের জন্য `LABEL_SMOOTHING_DEFAULT`
	BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান) লস নাম হিসাবে `getSimpleName()` ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে, `LABEL_SMOOTHING_DEFAULT` এর লেবেল স্মুথিং, `REDUCTION_DEFAULT` এর হ্রাস,
	BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান) `REDUCTION_DEFAULT` এর হ্রাস `LABEL_SMOOTHING_DEFAULT` এর স্মুথিং লেবেল ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে।
	BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং) লস নাম হিসাবে `getSimpleName()` ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে এবং `REDUCTION_DEFAULT` এর হ্রাস।
	BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং) `REDUCTION_DEFAULT` হ্রাস ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে।
	BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, রিডাকশন রিডাকশন) একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে
	BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, হ্রাস হ্রাস) একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে

পাবলিক পদ্ধতি

<T TNumber > Operand <T> প্রসারিত করে

কল ( Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, Operand <T> নমুনা ওজন)

একটি অপারেন্ড তৈরি করে যা ক্ষতি গণনা করে।

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

org.tensorflow.framework.losses.Loss ক্লাস থেকে

বিমূর্ত <T প্রসারিত TNumber > Operand <T>	কল ( Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, Operand <T> নমুনা ওজন) একটি অপারেন্ড তৈরি করে যা ক্ষতি গণনা করে।
<T TNumber > Operand <T> প্রসারিত করে	কল ( Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লোকসান হিসাব করে
হ্রাস	getReduction () ক্ষতি হ্রাস পায়
অপ্স	getTF () TensorFlow Ops পায়

java.lang.Object ক্লাস থেকে

বুলিয়ান	সমান (অবজেক্ট arg0)
চূড়ান্ত ক্লাস<?>	getClass ()
int	হ্যাশকোড ()
চূড়ান্ত শূন্যতা	অবহিত করুন ()
চূড়ান্ত শূন্যতা	সকলকে অবহিত করুন ()
স্ট্রিং	toString ()
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0, int arg1)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন ()

ধ্রুবক

পাবলিক স্ট্যাটিক ফাইনাল বুলিয়ান FROM_LOGITS_DEFAULT

ধ্রুবক মান: মিথ্যা

পাবলিক স্ট্যাটিক ফাইনাল ফ্লোট LABEL_SMOOTHING_DEFAULT

ধ্রুবক মান: 0.0

পাবলিক কনস্ট্রাক্টর

পাবলিক বাইনারি ক্রসেনট্রপি (Ops tf)

লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি বাইনারি ক্রসসেনট্রপি লস তৈরি করে, fromLogits-এর জন্য FROM_LOGITS_DEFAULT , লেবেল স্মুথিংয়ের জন্য LABEL_SMOOTHING_DEFAULT এবং REDUCTION_DEFAULT এর ক্ষতি হ্রাস

পরামিতি

tf	টেনসরফ্লো অপস

পাবলিক BinaryCrossentropy (Ops tf, হ্রাস হ্রাস)

লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি বাইনারি ক্রসসেনট্রপি ক্ষতি তৈরি করে, fromLogits-এর জন্য FROM_LOGITS_DEFAULT এবং লেবেল স্মুথিংয়ের জন্য LABEL_SMOOTHING_DEFAULT

পরামিতি

tf	টেনসরফ্লো অপস
হ্রাস	ক্ষতির জন্য প্রয়োগ করার জন্য হ্রাসের প্রকার।

পাবলিক BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান)

লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে, LABEL_SMOOTHING_DEFAULT এর লেবেল স্মুথিং, REDUCTION_DEFAULT এর হ্রাস,

পরামিতি

tf	টেনসরফ্লো অপস
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা

পাবলিক BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান)

REDUCTION_DEFAULT এর হ্রাস LABEL_SMOOTHING_DEFAULT এর স্মুথিং লেবেল ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে।

পরামিতি

tf	টেনসরফ্লো অপস
নাম	ক্ষতির নাম
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা

পাবলিক BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং)

লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে এবং REDUCTION_DEFAULT এর হ্রাস।

পরামিতি

tf	টেনসরফ্লো অপস
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	পরিসরের একটি সংখ্যা, [0, 1]। যখন 0, কোন মসৃণতা ঘটে না। যখন > 0, ভবিষ্যদ্বাণী করা লেবেল এবং সত্যিকারের লেবেলগুলির একটি মসৃণ সংস্করণের মধ্যে ক্ষতি গণনা করুন, যেখানে মসৃণকরণ লেবেলগুলিকে 0.5 এর দিকে চেপে ধরে৷ লেবেল স্মুথিংয়ের বড় মানগুলি ভারী স্মুথিংয়ের সাথে মিলে যায়।

পাবলিক BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং)

REDUCTION_DEFAULT হ্রাস ব্যবহার করে একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে।

পরামিতি

tf	টেনসরফ্লো অপস
নাম	ক্ষতির নাম
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	পরিসরের একটি সংখ্যা, [0, 1]। যখন 0, কোন মসৃণতা ঘটে না। যখন > 0, ভবিষ্যদ্বাণী করা লেবেল এবং সত্যিকারের লেবেলগুলির একটি মসৃণ সংস্করণের মধ্যে ক্ষতি গণনা করুন, যেখানে মসৃণকরণ লেবেলগুলিকে 0.5 এর দিকে চেপে ধরে৷ লেবেল স্মুথিংয়ের বড় মানগুলি ভারী স্মুথিংয়ের সাথে মিলে যায়।

পাবলিক BinaryCrossentropy (Ops tf, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, রিডাকশন রিডাকশন)

একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে

পরামিতি

tf	টেনসরফ্লো অপস
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	পরিসরের একটি সংখ্যা, [0, 1]। যখন 0, কোন মসৃণতা ঘটে না। যখন > 0, ভবিষ্যদ্বাণী করা লেবেল এবং সত্যিকারের লেবেলগুলির একটি মসৃণ সংস্করণের মধ্যে ক্ষতি গণনা করুন, যেখানে মসৃণকরণ লেবেলগুলিকে 0.5 এর দিকে চেপে ধরে৷ লেবেল স্মুথিংয়ের বড় মানগুলি ভারী স্মুথিংয়ের সাথে মিলে যায়।
হ্রাস	ক্ষতির জন্য প্রয়োগ করার জন্য হ্রাসের প্রকার।

পাবলিক BinaryCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, হ্রাস হ্রাস)

একটি বাইনারি ক্রসেনট্রপি ক্ষতি তৈরি করে

পরামিতি

tf	টেনসরফ্লো অপস
নাম	ক্ষতির নাম
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	পরিসরের একটি সংখ্যা, [0, 1]। যখন 0, কোন মসৃণতা ঘটে না। যখন > 0, ভবিষ্যদ্বাণী করা লেবেল এবং সত্যিকারের লেবেলগুলির একটি মসৃণ সংস্করণের মধ্যে ক্ষতি গণনা করুন, যেখানে মসৃণকরণ লেবেলগুলিকে 0.5 এর দিকে চেপে ধরে৷ লেবেল স্মুথিংয়ের বড় মানগুলি ভারী স্মুথিংয়ের সাথে মিলে যায়।
হ্রাস	ক্ষতির জন্য প্রয়োগ করার জন্য হ্রাসের প্রকার।

নিক্ষেপ করে

অবৈধ আর্গুমেন্ট ব্যতিক্রম	যদি লেবেল স্মুথিং 0 এর অন্তর্ভুক্ত পরিসরে না হয়। - 1।

পাবলিক পদ্ধতি

সর্বজনীন অপারেন্ড <T> কল ( Operand <? TNumber > লেবেল প্রসারিত করে, Operand <T> পূর্বাভাস, Operand <T> নমুনা ওজন)

একটি অপারেন্ড তৈরি করে যা ক্ষতি গণনা করে।

যদি গ্রাফ মোডে চালানো হয়, তাহলে কম্পিউটেশন TFInvalidArgumentException নিক্ষেপ করবে যদি ভবিষ্যদ্বাণীর মানগুলি o [0 রেঞ্জের বাইরে থাকে। থেকে 1.] Eager মোডে, এই কলটি IllegalArgumentException নিক্ষেপ করবে, যদি পূর্বাভাসের মানগুলি o [0' সীমার বাইরে থাকে। 1 থেকে।]

পরামিতি

লেবেল	সত্য মান বা লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী, মান অবশ্যই পরিসরে হতে হবে [0. to 1.] inclusive.
নমুনা ওজন	ঐচ্ছিক নমুনা ওজন ক্ষতির জন্য একটি সহগ হিসাবে কাজ করে। যদি একটি স্কেলার প্রদান করা হয়, তাহলে ক্ষতি শুধুমাত্র প্রদত্ত মান দ্বারা স্কেল করা হয়। যদি স্যাম্পলওয়েটস আকারের একটি টেনসর হয় [ব্যাচ_সাইজ], তাহলে ব্যাচের প্রতিটি নমুনার জন্য মোট ক্ষতি নমুনা ওয়েটস ভেক্টরের সংশ্লিষ্ট উপাদান দ্বারা পুনরায় স্কেল করা হয়। যদি নমুনা ওজনের আকৃতি হয় [batch_size, d0, .. dN-1] (অথবা এই আকারে সম্প্রচার করা যেতে পারে), তাহলে ভবিষ্যদ্বাণীর প্রতিটি ক্ষতির উপাদান নমুনা ওজনের সংশ্লিষ্ট মান দ্বারা স্কেল করা হয়। (dN-1-এ দ্রষ্টব্য: সমস্ত ক্ষতি ফাংশন 1 মাত্রা দ্বারা হ্রাস পায়, সাধারণত অক্ষ =-1।)

রিটার্নস

ক্ষতি

নিক্ষেপ করে

অবৈধ আর্গুমেন্ট ব্যতিক্রম	যদি পূর্বাভাস সীমার বাইরে হয় [0.-1.]।