BinaryCrossentropy

BinaryCrossentropy ระดับสาธารณะ

คำนวณการสูญเสียข้ามเอนโทรปีระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์ไว้

ใช้การสูญเสียเอนโทรปีข้ามนี้เมื่อมีคลาสเลเบลเพียงสองคลาส (สมมติว่าเป็น 0 และ 1) สำหรับแต่ละตัวอย่าง ควรมีค่าจุดลอยตัวเดียวต่อการทำนาย

การใช้งานแบบสแตนด์อโลน:

    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

การโทรด้วยน้ำหนักตัวอย่าง:

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

การใช้ประเภทการลด SUM :

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

การใช้ประเภทการลด NONE :

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

ค่าคงที่

บูลีน FROM_LOGITS_DEFAULT
ลอย LABEL_SMOOTHING_DEFAULT

ฟิลด์ที่สืบทอดมา

คอนสตรัคชั่นสาธารณะ

BinaryCrossentropy (Ops tf)
สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย FROM_LOGITS_DEFAULT สำหรับ fromLogits LABEL_SMOOTHING_DEFAULT สำหรับ label Smoothing และการลดการสูญเสีย REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, การลด การลดลง )
สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย FROM_LOGITS_DEFAULT สำหรับ fromLogits และ LABEL_SMOOTHING_DEFAULT สำหรับ labelSmoothing
BinaryCrossentropy (Ops tf, บูลีนจาก Logits)
สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย labelSmoothing ของ LABEL_SMOOTHING_DEFAULT ซึ่งลดลง REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf ชื่อสตริง บูลีนจาก Logits)
สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ label Smoothing ที่ LABEL_SMOOTHING_DEFAULT และลด REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, บูลีนจาก Logits, ป้ายกำกับโฟลตให้เรียบ)
สร้างการสูญเสีย Binary Crossentropy โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และลด REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับโฟลตให้เรียบ)
สร้างการสูญเสีย Binary Crossentropy โดยใช้การลด REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, บูลีนจาก Logits, ป้ายกำกับโฟลตการทำให้เรียบ, การลดการลด )
สร้างการสูญเสีย Crossentropy แบบไบนารี
BinaryCrossentropy (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับโฟลตการทำให้เรียบ, การลดการ ลด)
สร้างการสูญเสีย Crossentropy แบบไบนารี

วิธีการสาธารณะ

<T ขยาย TNumber > ตัวถูกดำเนินการ <T>
โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก)
สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

วิธีการสืบทอด

ค่าคงที่

บูลีนสุดท้ายแบบคงที่สาธารณะ FROM_LOGITS_DEFAULT

ค่าคงที่: เท็จ

โฟลตสุดท้ายแบบคงที่สาธารณะ LABEL_SMOOTHING_DEFAULT

ค่าคงที่: 0.0

คอนสตรัคชั่นสาธารณะ

BinaryCrossentropy สาธารณะ (Ops tf)

สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย FROM_LOGITS_DEFAULT สำหรับ fromLogits LABEL_SMOOTHING_DEFAULT สำหรับ label Smoothing และการลดการสูญเสีย REDUCTION_DEFAULT

พารามิเตอร์
ไม่ Ops ของ TensorFlow

BinaryCrossentropy สาธารณะ (Ops tf, การลด การลด )

สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย FROM_LOGITS_DEFAULT สำหรับ fromLogits และ LABEL_SMOOTHING_DEFAULT สำหรับ labelSmoothing

พารามิเตอร์
ไม่ Ops ของ TensorFlow
การลดน้อยลง ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

BinaryCrossentropy สาธารณะ (Ops tf, บูลีนจาก Logits)

สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ getSimpleName() เป็นชื่อการสูญเสีย labelSmoothing ของ LABEL_SMOOTHING_DEFAULT ซึ่งลดลง REDUCTION_DEFAULT

พารามิเตอร์
ไม่ Ops ของ TensorFlow
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่

BinaryCrossentropy สาธารณะ (Ops tf, ชื่อสตริง, บูลีนจาก Logits)

สร้างการสูญเสีย Crossentropy แบบไบนารีโดยใช้ label Smoothing ที่ LABEL_SMOOTHING_DEFAULT และลด REDUCTION_DEFAULT

พารามิเตอร์
ไม่ Ops ของ TensorFlow
ชื่อ ชื่อของการสูญเสีย
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่

BinaryCrossentropy สาธารณะ (Ops tf, บูลีนจาก Logits, ป้ายกำกับโฟลตให้เรียบ)

สร้างการสูญเสีย Binary Crossentropy โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และลด REDUCTION_DEFAULT

พารามิเตอร์
ไม่ Ops ของ TensorFlow
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่
ฉลากปรับให้เรียบ ตัวเลขในช่วง [0, 1] เมื่อ 0 จะไม่มีการทำให้เรียบเกิดขึ้น เมื่อ > 0 ให้คำนวณการสูญเสียระหว่างป้ายกำกับที่คาดการณ์ไว้และเวอร์ชันที่ปรับให้เรียบของป้ายกำกับที่แท้จริง โดยที่การปรับให้เรียบจะบีบป้ายกำกับไปที่ 0.5 ค่าฉลากการปรับให้เรียบที่มากขึ้นจะสอดคล้องกับการปรับให้เรียบมากขึ้น

BinaryCrossentropy สาธารณะ (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับโฟลตให้เรียบ)

สร้างการสูญเสีย Binary Crossentropy โดยใช้การลด REDUCTION_DEFAULT

พารามิเตอร์
ไม่ Ops ของ TensorFlow
ชื่อ ชื่อของการสูญเสีย
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่
ฉลากปรับให้เรียบ ตัวเลขในช่วง [0, 1] เมื่อ 0 จะไม่มีการทำให้เรียบเกิดขึ้น เมื่อ > 0 ให้คำนวณการสูญเสียระหว่างป้ายกำกับที่คาดการณ์ไว้และเวอร์ชันที่ปรับให้เรียบของป้ายกำกับที่แท้จริง โดยที่การปรับให้เรียบจะบีบป้ายกำกับไปที่ 0.5 ค่าฉลากการปรับให้เรียบที่มากขึ้นจะสอดคล้องกับการปรับให้เรียบมากขึ้น

BinaryCrossentropy สาธารณะ (Ops tf, บูลีนจาก Logits, ป้ายกำกับโฟลตทำให้เรียบ, ลด การลด )

สร้างการสูญเสีย Crossentropy แบบไบนารี

พารามิเตอร์
ไม่ Ops ของ TensorFlow
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่
ฉลากปรับให้เรียบ ตัวเลขในช่วง [0, 1] เมื่อ 0 จะไม่มีการทำให้เรียบเกิดขึ้น เมื่อ > 0 ให้คำนวณการสูญเสียระหว่างป้ายกำกับที่คาดการณ์ไว้และเวอร์ชันที่ปรับให้เรียบของป้ายกำกับที่แท้จริง โดยที่การปรับให้เรียบจะบีบฉลากไปที่ 0.5 ค่าฉลากการปรับให้เรียบที่มากขึ้นจะสอดคล้องกับการปรับให้เรียบมากขึ้น
การลดน้อยลง ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

BinaryCrossentropy สาธารณะ (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับโฟลตให้เรียบ, ลดการลด )

สร้างการสูญเสีย Crossentropy แบบไบนารี

พารามิเตอร์
ไม่ Ops ของ TensorFlow
ชื่อ ชื่อของการสูญเสีย
จากLogits ไม่ว่าจะตีความการทำนายเป็นเทนเซอร์ของค่า logit หรือไม่
ฉลากปรับให้เรียบ ตัวเลขในช่วง [0, 1] เมื่อ 0 จะไม่มีการทำให้เรียบเกิดขึ้น เมื่อ > 0 ให้คำนวณการสูญเสียระหว่างป้ายกำกับที่คาดการณ์ไว้และเวอร์ชันที่ปรับให้เรียบของป้ายกำกับที่แท้จริง โดยที่การปรับให้เรียบจะบีบฉลากไปที่ 0.5 ค่าฉลากการปรับให้เรียบที่มากขึ้นจะสอดคล้องกับการปรับให้เรียบมากขึ้น
การลดน้อยลง ประเภทของส่วนลดที่จะใช้กับการสูญเสีย
ขว้าง
ข้อยกเว้นอาร์กิวเมนต์ที่ผิดกฎหมาย ถ้า label Smoothing ไม่อยู่ในช่วงรวม 0 - 1

วิธีการสาธารณะ

ตัวดำเนินการ สาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก)

สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

หากทำงานในโหมดกราฟ การคำนวณจะส่ง TFInvalidArgumentException หากค่าการคาดการณ์อยู่นอกช่วง o [0 ถึง 1.]. ในโหมด Eager การโทรนี้จะโยน IllegalArgumentException หากค่าการคาดการณ์อยู่นอกช่วง o [0 ถึง 1.]

พารามิเตอร์
ฉลาก ค่าความจริงหรือป้ายกำกับ
การคาดการณ์ การทำนายค่าจะต้องอยู่ในช่วง [0 ถึง 1.] รวม
ตัวอย่างน้ำหนัก SampleWeights ที่เป็นตัวเลือกจะทำหน้าที่เป็นสัมประสิทธิ์การสูญเสีย หากมีการระบุสเกลาร์ การสูญเสียก็จะถูกปรับขนาดตามค่าที่กำหนด หาก SampleWeights เป็นเทนเซอร์ที่มีขนาด [batch_size] ค่าที่สูญเสียทั้งหมดสำหรับแต่ละตัวอย่างในแบตช์จะถูกปรับขนาดใหม่โดยองค์ประกอบที่เกี่ยวข้องในเวกเตอร์ SampleWeights หากรูปร่างของ SampleWeights คือ [batch_size, d0, .. dN-1] (หรือสามารถถ่ายทอดไปยังรูปร่างนี้ได้) ดังนั้น องค์ประกอบที่สูญเสียแต่ละรายการของการคาดการณ์จะถูกปรับขนาดตามค่าที่สอดคล้องกันของ SampleWeights (หมายเหตุสำหรับ dN-1: ฟังก์ชันการสูญเสียทั้งหมดลดลง 1 มิติ โดยปกติจะเป็นแกน=-1)
การส่งคืน
  • การสูญเสีย
ขว้าง
ข้อยกเว้นอาร์กิวเมนต์ที่ผิดกฎหมาย หากคำทำนายอยู่นอกช่วง [0.-1.]