BinaryCrossentropy

genel sınıf BinaryCrossentropy

Gerçek etiketler ile tahmin edilen etiketler arasındaki çapraz entropi kaybını hesaplar.

Yalnızca iki etiket sınıfı (0 ve 1 olduğu varsayılır) olduğunda bu çapraz entropi kaybını kullanın. Her örnekte tahmin başına tek bir kayan nokta değeri olmalıdır.

Bağımsız kullanım: 

    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

Örnek ağırlıkla arama: 

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

SUM azaltma türünü kullanma: 

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

NONE azaltma türünü kullanma: 

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

Sabitler

boolean FROM_LOGITS_DEFAULT
batmadan yüzmek LABEL_SMOOTHING_DEFAULT

Devralınan Alanlar

Kamu İnşaatçıları

İkili Çapraz Sentropi (Ops tf)
Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT ve REDUCTION_DEFAULT Kayıp Azaltma kullanarak bir İkili Çapraz Entropi Kaybı oluşturur
İkili Çapraz Sentropi (Ops tf, İndirgeme azaltma)
Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT ve labelSmoothing için LABEL_SMOOTHING_DEFAULT kullanarak bir İkili Çapraz Entropi kaybı oluşturur
İkili Çapraztropi (Ops tf, Logits'ten boolean)
Kayıp adı olarak getSimpleName() öğesini kullanarak, LABEL_SMOOTHING_DEFAULT labelSmoothing değerini, REDUCTION_DEFAULT azaltımı kullanarak bir İkili Çapraz Entropi kaybı oluşturur,
BinaryCrossentropy (Ops tf, String adı, mantıksal fromLogits)
LABEL_SMOOTHING_DEFAULT labelSmoothing'i kullanarak REDUCTION_DEFAULT azaltmasını kullanarak bir İkili Çaprazentropi kaybı oluşturur.
İkili Çapraz Sentropi (Ops tf, Logitlerden boolean, kayan etiket Düzgünleştirme)
Kayıp adı olarak getSimpleName() kullanılarak ve REDUCTION_DEFAULT azaltımı kullanılarak bir İkili Çapraz Entropi kaybı oluşturulur.
BinaryCrossentropy (Ops tf, String name, fromLogits'ten boolean, float labelSmoothing)
REDUCTION_DEFAULT azaltımını kullanarak bir İkili Çapraz Entropi kaybı oluşturur.
Binary Crossentropy (Ops tf, Logitlerden boolean, kayan etiket Yumuşatma, Azaltma azaltma)
İkili Krosentropi kaybı yaratır
BinaryCrossentropy (Ops tf, String name, fromLogits'ten boolean, float labelSmoothing, Reduction azaltımı)
İkili Krosentropi kaybı yaratır

Genel Yöntemler

<T TNumber'ı genişletir > İşlenen <T>
çağrı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnekAğırlıkları)
Kaybı hesaplayan bir İşlenen üretir.

Kalıtsal Yöntemler

Sabitler

genel statik son boolean FROM_LOGITS_DEFAULT

Sabit Değer: yanlış

genel statik son kayan nokta LABEL_SMOOTHING_DEFAULT

Sabit Değer: 0,0

Kamu İnşaatçıları

halka açık İkili Çapraztropi (Ops tf)

Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT ve REDUCTION_DEFAULT Kayıp Azaltma kullanarak bir İkili Çapraz Entropi Kaybı oluşturur

Parametreler
TF TensorFlow Operasyonları

halka açık BinaryCrossentropy (Ops tf, Azaltma azaltma)

Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT ve labelSmoothing için LABEL_SMOOTHING_DEFAULT kullanarak bir İkili Çapraz Entropi kaybı oluşturur

Parametreler
TF TensorFlow Operasyonları
kesinti Zarara uygulanacak İndirim Türü.

genel BinaryCrossentropy (Ops tf, Logits'ten boolean)

Kayıp adı olarak getSimpleName() öğesini kullanarak, LABEL_SMOOTHING_DEFAULT labelSmoothing değerini, REDUCTION_DEFAULT azaltımı kullanarak bir İkili Çapraz Entropi kaybı oluşturur,

Parametreler
TF TensorFlow Operasyonları
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

genel BinaryCrossentropy (Ops tf, Dize adı, mantıksal fromLogits)

LABEL_SMOOTHING_DEFAULT labelSmoothing'i kullanarak REDUCTION_DEFAULT azaltmasını kullanarak bir İkili Çaprazentropi kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları
isim kaybın adı
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

genel BinaryCrossentropy (Ops tf, Logit'ten boolean, float labelSmoothing)

Kayıp adı olarak getSimpleName() kullanılarak ve REDUCTION_DEFAULT azaltımı kullanılarak bir İkili Çapraz Entropi kaybı oluşturulur.

Parametreler
TF TensorFlow Operasyonları
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme [0, 1] aralığında bir sayı. 0 olduğunda yumuşatma gerçekleşmez. > 0 olduğunda, tahmin edilen etiketler ile gerçek etiketlerin yumuşatılmış versiyonu arasındaki kaybı hesaplayın; burada yumuşatma etiketleri 0,5'e doğru sıkıştırır. Daha büyük labelSmoothing değerleri daha ağır düzgünleştirmeye karşılık gelir.

genel BinaryCrossentropy (Ops tf, Dize adı, mantıksal fromLogits, float labelSmoothing)

REDUCTION_DEFAULT azaltımını kullanarak bir İkili Çapraz Entropi kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları
isim kaybın adı
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme [0, 1] aralığında bir sayı. 0 olduğunda yumuşatma gerçekleşmez. > 0 olduğunda, tahmin edilen etiketler ile gerçek etiketlerin yumuşatılmış versiyonu arasındaki kaybı hesaplayın; burada yumuşatma etiketleri 0,5'e doğru sıkıştırır. Daha büyük labelSmoothing değerleri daha ağır düzgünleştirmeye karşılık gelir.

genel BinaryCrossentropy (Ops tf, Logitlerden boolean, kayan etiketDüzleştirme, Azaltma azaltma)

İkili Krosentropi kaybı yaratır

Parametreler
TF TensorFlow Operasyonları
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme [0, 1] aralığında bir sayı. 0 olduğunda yumuşatma gerçekleşmez. > 0 olduğunda, tahmin edilen etiketler ile gerçek etiketlerin yumuşatılmış versiyonu arasındaki kaybı hesaplayın; burada yumuşatma etiketleri 0,5'e doğru sıkıştırır. Daha büyük labelSmoothing değerleri daha ağır düzgünleştirmeye karşılık gelir.
kesinti Zarara uygulanacak İndirim Türü.

genel BinaryCrossentropy (Ops tf, Dize adı, mantıksal fromLogits, kayan etiketDüzleştirme, Azaltma azaltma)

İkili Krosentropi kaybı yaratır

Parametreler
TF TensorFlow Operasyonları
isim kaybın adı
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme [0, 1] aralığında bir sayı. 0 olduğunda yumuşatma gerçekleşmez. > 0 olduğunda, tahmin edilen etiketler ile gerçek etiketlerin yumuşatılmış versiyonu arasındaki kaybı hesaplayın; burada yumuşatma etiketleri 0,5'e doğru sıkıştırır. Daha büyük labelSmoothing değerleri daha ağır düzgünleştirmeye karşılık gelir.
kesinti Zarara uygulanacak İndirim Türü.
Atar
YasadışıTartışmaİstisna labelSmoothing 0 - 1 aralığında değilse.

Genel Yöntemler

genel İşlenen <T> çağrısı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnek Ağırlıkları)

Kaybı hesaplayan bir İşlenen üretir.

Grafik modunda çalıştırılırsa, tahmin değerleri o [0.0] aralığının dışındaysa hesaplama TFInvalidArgumentException oluşturacaktır. 1'e.]. İstekli Modunda, eğer IllegalArgumentException değerleri o [0. 1'e.]

Parametreler
etiketler doğruluk değerleri veya etiketleri
tahminler Tahminler için değerler [0.0 aralığında olmalıdır. 1'e kadar.] dahil.
örnekAğırlıklar İsteğe bağlı SampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. SampleWeights, [batch_size] boyutunda bir tensör ise, o zaman grubun her bir numunesi için toplam kayıp, SampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, SampleWeights'ın karşılık gelen değerine göre ölçeklendirilir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.)
İadeler
  • kayıp
Atar
YasadışıTartışmaİstisna tahminler [0.-1.] aralığının dışındaysa.