BinaryCrossentropy

clase pública BinaryCrossentropy

Calcula la pérdida de entropía cruzada entre etiquetas verdaderas y etiquetas predichas.

Utilice esta pérdida de entropía cruzada cuando solo haya dos clases de etiquetas (se supone que son 0 y 1). Para cada ejemplo, debería haber un único valor de punto flotante por predicción.

Uso independiente: 

    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

Llamando con el peso de la muestra: 

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

Usando el tipo de reducción SUM : 

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

Usando NONE tipo de reducción: 

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

Constantes

booleanoFROM_LOGITS_DEFAULT
flotador LABEL_SMOOTHING_DEFAULT

Campos heredados

Constructores públicos

BinaryCrossentropy (Ops tf)
Crea una pérdida de cruce de entropía binaria usando getSimpleName() como nombre de pérdida, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing y una reducción de pérdida de REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, Reducción de reducción)
Crea una pérdida de Crossentropy binaria usando getSimpleName() como nombre de pérdida, FROM_LOGITS_DEFAULT para fromLogits y LABEL_SMOOTHING_DEFAULT para labelSmoothing
BinaryCrossentropy (Ops tf, booleano fromLogits)
Crea una pérdida de cruce de entropía binaria utilizando getSimpleName() como nombre de pérdida, labelSmoothing de LABEL_SMOOTHING_DEFAULT , una reducción de REDUCTION_DEFAULT ,
BinaryCrossentropy (Ops tf, String name, boolean fromLogits)
Crea una pérdida de cruce de LABEL_SMOOTHING_DEFAULT binaria usando labelSmoothing de LABEL_SMOOTHING_DEFAULT una reducción de REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing)
Crea una pérdida de cruce de entropía binaria utilizando getSimpleName() como nombre de pérdida y una reducción de REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing)
Crea una pérdida de cruce de entropía binaria utilizando una reducción de REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing, Reducción de reducción)
Crea una pérdida de cruce de entropía binaria
BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, Reducción de reducción)
Crea una pérdida de cruce de entropía binaria

Métodos públicos

<T extiende TNumber > Operando <T>
llamada ( operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights)
Genera un operando que calcula la pérdida.

Métodos heredados

Constantes

booleano final estático público FROM_LOGITS_DEFAULT

Valor constante: falso

flotador final estático público LABEL_SMOOTHING_DEFAULT

Valor constante: 0.0

Constructores públicos

public BinaryCrossentropy (Ops tf)

Crea una pérdida de cruce de entropía binaria usando getSimpleName() como nombre de pérdida, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing y una reducción de pérdida de REDUCTION_DEFAULT

Parámetros
tf las operaciones de TensorFlow

public BinaryCrossentropy (Ops tf, reducción de reducción)

Crea una pérdida de Crossentropy binaria usando getSimpleName() como nombre de pérdida, FROM_LOGITS_DEFAULT para fromLogits y LABEL_SMOOTHING_DEFAULT para labelSmoothing

Parámetros
tf las operaciones de TensorFlow
reducción Tipo de Reducción a aplicar al siniestro.

public BinaryCrossentropy (Ops tf, boolean fromLogits)

Crea una pérdida de Crossentropy binaria usando getSimpleName() como nombre de pérdida, labelSmoothing de LABEL_SMOOTHING_DEFAULT , una reducción de REDUCTION_DEFAULT ,

Parámetros
tf las operaciones de TensorFlow
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit

public BinaryCrossentropy (Ops tf, String name, boolean fromLogits)

Crea una pérdida de Crossentropy binaria usando labelSmoothing de LABEL_SMOOTHING_DEFAULT una reducción de REDUCTION_DEFAULT

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit

public BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing)

Crea una pérdida de cruce de entropía binaria utilizando getSimpleName() como nombre de pérdida y una reducción de REDUCTION_DEFAULT .

Parámetros
tf las operaciones de TensorFlow
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit
labelSmoothing Un número en el rango [0, 1]. Cuando es 0, no se produce ningún suavizado. Cuando> 0, calcule la pérdida entre las etiquetas predichas y una versión suavizada de las etiquetas verdaderas, donde el suavizado aprieta las etiquetas hacia 0.5. Los valores más altos de labelSmoothing corresponden a un suavizado más intenso.

public BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing)

Crea una pérdida de cruce de entropía binaria utilizando una reducción de REDUCTION_DEFAULT .

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit
labelSmoothing Un número en el rango [0, 1]. Cuando es 0, no se produce ningún suavizado. Cuando> 0, calcule la pérdida entre las etiquetas predichas y una versión suavizada de las etiquetas verdaderas, donde el suavizado aprieta las etiquetas hacia 0.5. Los valores más altos de labelSmoothing corresponden a un suavizado más intenso.

public BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing, Reducción de reducción)

Crea una pérdida de cruce de entropía binaria

Parámetros
tf las operaciones de TensorFlow
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit
labelSmoothing Un número en el rango [0, 1]. Cuando es 0, no se produce ningún suavizado. Cuando> 0, calcule la pérdida entre las etiquetas predichas y una versión suavizada de las etiquetas verdaderas, donde el suavizado aprieta las etiquetas hacia 0.5. Los valores más altos de labelSmoothing corresponden a un suavizado más intenso.
reducción Tipo de Reducción a aplicar al siniestro.

public BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, Reducción de reducción)

Crea una pérdida de cruce de entropía binaria

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
deLogits Ya sea para interpretar las predicciones como un tensor de valores logit
labelSmoothing Un número en el rango [0, 1]. Cuando es 0, no se produce ningún suavizado. Cuando> 0, calcule la pérdida entre las etiquetas predichas y una versión suavizada de las etiquetas verdaderas, donde el suavizado aprieta las etiquetas hacia 0.5. Los valores más altos de labelSmoothing corresponden a un suavizado más intenso.
reducción Tipo de Reducción a aplicar al siniestro.
Lanza
Argumento de excepción ilegal si labelSmoothing no está en el rango inclusivo de 0. - 1.

Métodos públicos

pública operando <T> llamada ( Operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights)

Genera un operando que calcula la pérdida.

Si se ejecuta en modo Graph, el cálculo arrojará TFInvalidArgumentException si los valores de las predicciones están fuera del rango o [0. a 1.]. En el modo ansioso, esta llamada arrojará IllegalArgumentException , si los valores de las predicciones están fuera del rango o [0. a 1.]

Parámetros
etiquetas los valores de verdad o etiquetas
predicciones las predicciones, los valores deben estar en el rango [0. a 1.] inclusive.
sampleWeights SampleWeights opcional actúa como un coeficiente para la pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala por el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total para cada muestra del lote se reescala por el elemento correspondiente en el vector SampleWeights. Si la forma de SampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala por el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1).
Devoluciones
  • la pérdida
Lanza
Argumento de excepción ilegal si las predicciones están fuera del rango [0.-1.].