يحسب خسارة الانتروبيا بين التسميات والتنبؤات.
استخدم وظيفة فقدان الانتروبيا هذه عندما يكون هناك فئتان أو أكثر من فئات التصنيف. نتوقع أن يتم توفير التصنيفات بطريقة تمثيلية one_hot. إذا كنت تريد تقديم التسميات كأعداد صحيحة، فيرجى استخدام خسارة SparseCategoricalCrossentropy
. يجب أن يكون هناك # classes
من قيم الفاصلة العائمة لكل ميزة.
الاستخدام المستقل:
Operand<TFloat32> labels = tf.constant(new float[][] { {0, 1, 0}, {0, 0, 1} }); Operand<TFloat32> predictions = tf.constant(new float[][] { {0.05f, 0.95f, 0f}, {0.1f, 0.8f, 0.1f} }); CategoricalCrossentropy cce = new CategoricalCrossentropy(tf); Operand<TFloat32> result = cce.call(labels, predictions); // produces 1.177
الاتصال بوزن العينة:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = cce.call(labels, predictions, sampleWeight); // produces 0.814f
استخدام نوع التخفيض SUM
:
CategoricalCrossentropy cce = new CategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = cce.call(labels, predictions); // produces 2.354f
استخدام نوع التخفيض NONE
:
CategoricalCrossentropy cce = new CategoricalCrossentropy(tf, Reduction.NONE); Operand<TFloat32> result = cce.call(labels, predictions); // produces [0.0513f, 2.303f]
الثوابت
كثافة العمليات | DEFAULT_AXIS | |
منطقية | FROM_LOGITS_DEFAULT | |
يطفو | LABEL_SMOOTHING_DEFAULT |
الحقول الموروثة
المقاولون العامون
الانتروبيا الفئوية (Ops tf) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة لـ REDUCTION_DEFAULT ، ومحور DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، اسم السلسلة) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing وتقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور DEFAULT_AXIS | |
الانتروبيا الفئوية (Ops tf، تقليل التخفيض ) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، تقليل التخفيض ) ينشئ خسارة إنتروبيا متقاطعة فئوية FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، منطقية من Logits) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، boolean fromLogits، float labelSmoothing) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة تجانس) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور القناة DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، boolean fromLogits، تجانس التسمية العائمة، تقليل التخفيض ) ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم خسارة ومحور قناة DEFAULT_AXIS | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، تقليل التخفيض ، محور int) يخلق خسارة الانتروبيا القاطعة |
الأساليب العامة
<T يمتد TNumber > المعامل <T> |
الطرق الموروثة
الثوابت
int النهائي الثابت العام DEFAULT_AXIS
المنطق المنطقي النهائي العام الثابت FROM_LOGITS_DEFAULT
التعويم النهائي الثابت العام LABEL_SMOOTHING_DEFAULT
المقاولون العامون
CategoricalCrossentropy العامة (Ops tf)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName()
كاسم للخسارة، FROM_LOGITS_DEFAULT
لـ fromLogits، LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing، وتقليل الخسارة لـ REDUCTION_DEFAULT
، ومحور DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|
CategoricalCrossentropy العامة (Ops tf، اسم السلسلة)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام FROM_LOGITS_DEFAULT
لـ fromLogits و LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing وتقليل الخسارة بمقدار REDUCTION_DEFAULT
ومحور DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذه الخسارة |
CategoricalCrossentropy العام (Ops tf، تقليل التخفيض )
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName()
كاسم للخسارة، FROM_LOGITS_DEFAULT
لـ fromLogits، LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing ومحور DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
تخفيض | نوع التخفيض الذي سيتم تطبيقه على الخسارة. |
CategoricalCrossentropy العامة (Ops tf، اسم السلسلة، تقليل التخفيض )
ينشئ خسارة إنتروبيا متقاطعة فئوية FROM_LOGITS_DEFAULT
لـ fromLogits و LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing ومحور DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذه الخسارة |
تخفيض | نوع التخفيض الذي سيتم تطبيقه على الخسارة. |
CategoricalCrossentropy العامة (Ops tf، boolean fromLogits)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName()
كاسم للخسارة، LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT
ومحور DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام LABEL_SMOOTHING_DEFAULT
لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT
، ومحور قناة DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذه الخسارة |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
CategoricalCrossentropy العامة (Ops tf، boolean fromLogits، float labelSmoothing)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName()
كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT
، ومحور قناة DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
labelSmoothing | تطفو في [0, 1] . عندما يكون > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
CategoricalCrossentropy العامة (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة تجانس)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT
ومحور القناة DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذه الخسارة |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
labelSmoothing | تطفو في [0, 1] . عندما يكون > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
CategoricalCrossentropy العامة (Ops tf، boolean fromLogits، float labelSmoothing، Reduction Reduction)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName()
كاسم خسارة ومحور قناة DEFAULT_AXIS
حدود
tf | عمليات TensorFlow |
---|---|
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
labelSmoothing | تطفو في [0, 1] . عندما يكون > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، x=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
تخفيض | نوع التخفيض الذي سيتم تطبيقه على الخسارة. |
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، تقليل التخفيض ، محور int)
يخلق خسارة الانتروبيا القاطعة
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذه الخسارة |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية |
labelSmoothing | تطفو في [0, 1] . عندما يكون > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
تخفيض | نوع التخفيض الذي سيتم تطبيقه على الخسارة. |
محور | محور القنوات axis=-1 يتوافق مع تنسيق البيانات "القنوات الأخيرة" axis=1 يتوافق مع تنسيق البيانات "القنوات أولاً". CHANNELS_LAST و CHANNELS_FIRST |
رميات
غير الشرعيين استثناء حجة | إذا لم يكن labelSmoothing ضمن النطاق الشامل من 0. - 1. |
---|
الأساليب العامة
استدعاء المعامل العام <T> ( المعامل <؟ يمتد تسميات TNumber >، تنبؤات المعامل <T>، عينات المعامل <T>)
يولد المعامل الذي يحسب الخسارة.
إذا تم تشغيله في وضع الرسم البياني، فسوف يؤدي الحساب إلى طرح TFInvalidArgumentException
إذا كانت قيم التنبؤات خارج النطاق o [0. إلى 1.]. في وضع Eager، سيؤدي هذا الاستدعاء إلى طرح IllegalArgumentException
، إذا كانت قيم التنبؤات خارج النطاق o [0. إلى 1.]
حدود
تسميات | قيم الحقيقة أو التسميات |
---|---|
التنبؤات | التوقعات، يجب أن تكون القيم في النطاق [0. إلى 1.] شاملا. |
أوزان عينة | تعمل SampleWeights الاختيارية كمعامل للخسارة. إذا تم توفير العدد، فسيتم ببساطة قياس الخسارة بالقيمة المحددة. إذا كان SampleWeights عبارة عن موتر بالحجم [batch_size]، فسيتم إعادة قياس الخسارة الإجمالية لكل عينة من الدُفعة بواسطة العنصر المقابل في ناقل SampleWeights. إذا كان شكل SampleWeights هو [batch_size, d0, .. dN-1] (أو يمكن بثه إلى هذا الشكل)، فسيتم قياس كل عنصر خسارة في التنبؤات بالقيمة المقابلة لـ SampleWeights. (ملاحظة حول dN-1: جميع دوال الخسارة تقلل بمقدار بُعد واحد، وعادة ما يكون المحور=-1.) |
عائدات
- خسارة
رميات
غير الشرعيين استثناء حجة | إذا كانت التوقعات خارج النطاق [0.-1.]. |
---|