BinaryCrossentropy

classe pubblica BinaryCrossentropy

Calcola la perdita di entropia incrociata tra le etichette reali e quelle previste.

Utilizzare questa perdita di entropia incrociata quando ci sono solo due classi di etichette (assunte come 0 e 1). Per ogni esempio, dovrebbe essere presente un unico valore a virgola mobile per previsione.

Utilizzo autonomo:

    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
 

Chiamata con peso campione:

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

Utilizzo del tipo di riduzione SUM :

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

Utilizzo del tipo di riduzione NONE :

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

Costanti

booleano	FROM_LOGITS_DEFAULT
galleggiante	LABEL_SMOOTHING_DEFAULT

Campi ereditati

Dalla classe org.tensorflow.framework.losses.Loss

Riduzione finale statica pubblica

REDUCTION_DEFAULT

Costruttori pubblici

	Crossentropia binaria (Ops tf) Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e una riduzione della perdita di REDUCTION_DEFAULT
	Crossentropia binaria (Ops tf, Riduzione riduzione ) Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits e LABEL_SMOOTHING_DEFAULT per labelSmoothing
	Binary Crossentropy (Ops tf, booleano fromLogits) Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, labelSmoothing di LABEL_SMOOTHING_DEFAULT , una riduzione di REDUCTION_DEFAULT ,
	BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits) Crea una perdita di crossentropia binaria utilizzando labelSmoothing di LABEL_SMOOTHING_DEFAULT una riduzione di REDUCTION_DEFAULT .
	BinaryCrossentropy (Ops tf, booleano fromLogits, etichetta floatSmoothing) Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita e una riduzione di REDUCTION_DEFAULT .
	BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing) Crea una perdita di crossentropia binaria utilizzando una riduzione di REDUCTION_DEFAULT .
	Binary Crossentropy (Ops tf, booleano fromLogits, etichetta floatSmoothing, riduzione riduzione ) Crea una perdita di crossentropia binaria
	BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, riduzione riduzione ) Crea una perdita di crossentropia binaria

Metodi pubblici

<T estende TNumero > Operando <T>

chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights) Genera un operando che calcola la perdita.

Metodi ereditati

Dalla classe org.tensorflow.framework.losses.Loss

abstract <T estende TNumero > Operando <T>	chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights) Genera un operando che calcola la perdita.
<T estende TNumero > Operando <T>	chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni) Calcola la perdita
Riduzione	getRiduzione () Ottiene la riduzione delle perdite
Op	ottieni TF () Ottiene le operazioni TensorFlow

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Costanti

booleano finale statico pubblico FROM_LOGITS_DEFAULT

Valore costante: falso

float finale statico pubblico LABEL_SMOOTHING_DEFAULT

Valore costante: 0,0

Costruttori pubblici

public BinaryCrossentropy (Ops tf)

Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e una riduzione della perdita di REDUCTION_DEFAULT

Parametri

tf	le operazioni TensorFlow

public BinaryCrossentropy (Ops tf, Riduzione riduzione)

Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits e LABEL_SMOOTHING_DEFAULT per labelSmoothing

Parametri

tf	le operazioni TensorFlow
riduzione	Tipo di riduzione da applicare alla perdita.

public BinaryCrossentropy (Ops tf, booleano fromLogits)

Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita, labelSmoothing di LABEL_SMOOTHING_DEFAULT , una riduzione di REDUCTION_DEFAULT ,

Parametri

tf	le operazioni TensorFlow
da Logits	Se interpretare le previsioni come un tensore di valori logit

public BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits)

Crea una perdita di crossentropia binaria utilizzando labelSmoothing di LABEL_SMOOTHING_DEFAULT una riduzione di REDUCTION_DEFAULT .

Parametri

tf	le operazioni TensorFlow
nome	il nome della perdita
da Logits	Se interpretare le previsioni come un tensore di valori logit

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

Crea una perdita di crossentropia binaria utilizzando getSimpleName() come nome della perdita e una riduzione di REDUCTION_DEFAULT .

Parametri

tf	le operazioni TensorFlow
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Un numero nell'intervallo [0, 1]. Quando 0, non si verifica alcun livellamento. Quando > 0, calcolare la perdita tra le etichette previste e una versione livellata delle etichette reali, dove il livellamento comprime le etichette verso 0,5. Valori più grandi di labelSmoothing corrispondono a uno smoothing più intenso.

public BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing)

Crea una perdita di crossentropia binaria utilizzando una riduzione di REDUCTION_DEFAULT .

Parametri

tf	le operazioni TensorFlow
nome	il nome della perdita
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Un numero nell'intervallo [0, 1]. Quando 0, non si verifica alcun livellamento. Quando > 0, calcolare la perdita tra le etichette previste e una versione livellata delle etichette reali, dove il livellamento comprime le etichette verso 0,5. Valori più grandi di labelSmoothing corrispondono a uno smoothing più intenso.

public BinaryCrossentropy (Ops tf, booleano fromLogits, float labelSmoothing, Riduzione riduzione )

Crea una perdita di crossentropia binaria

Parametri

tf	le operazioni TensorFlow
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Un numero nell'intervallo [0, 1]. Quando 0, non si verifica alcun livellamento. Quando > 0, calcolare la perdita tra le etichette previste e una versione livellata delle etichette reali, dove il livellamento comprime le etichette verso 0,5. Valori più grandi di labelSmoothing corrispondono a uno smoothing più intenso.
riduzione	Tipo di riduzione da applicare alla perdita.

public BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, riduzione riduzione )

Crea una perdita di crossentropia binaria

Parametri

tf	le operazioni TensorFlow
nome	il nome della perdita
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Un numero nell'intervallo [0, 1]. Quando 0, non si verifica alcun livellamento. Quando > 0, calcolare la perdita tra le etichette previste e una versione livellata delle etichette reali, dove il livellamento comprime le etichette verso 0,5. Valori più grandi di labelSmoothing corrispondono a uno smoothing più intenso.
riduzione	Tipo di riduzione da applicare alla perdita.

Lancia

IllegalArgumentException	se labelSmoothing non è compreso nell'intervallo compreso tra 0. - 1.

Metodi pubblici

chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)

Genera un operando che calcola la perdita.

Se eseguito in modalità Grafico, il calcolo genererà TFInvalidArgumentException se i valori delle previsioni non sono compresi nell'intervallo o [0. a 1.]. In modalità Eager, questa chiamata genererà IllegalArgumentException , se i valori delle previsioni non sono compresi nell'intervallo o [0. a 1.]

Parametri

etichette	i valori o le etichette di verità
predizioni	le previsioni, i valori devono essere compresi nell'intervallo [0. a 1.] compreso.
campionePesi	SampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.)

ritorna

• la perdita

Lancia

IllegalArgumentException	se le previsioni sono fuori dall'intervallo [0.-1.].