CategoricalCrossentropy

सार्वजनिक वर्ग श्रेणीबद्ध क्रॉसेंट्रॉपी

लेबल और भविष्यवाणियों के बीच क्रॉसेंट्रॉपी हानि की गणना करता है।

जब दो या दो से अधिक लेबल वर्ग हों तो इस क्रॉसेंट्रॉपी हानि फ़ंक्शन का उपयोग करें। हम उम्मीद करते हैं कि लेबल one_hot प्रतिनिधित्व में उपलब्ध कराए जाएंगे। यदि आप लेबल को पूर्णांक के रूप में प्रदान करना चाहते हैं, तो कृपया SparseCategoricalCrossentropy हानि का उपयोग करें। प्रति सुविधा # classes फ़्लोटिंग पॉइंट मान होना चाहिए।

स्टैंडअलोन उपयोग:

    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
 

नमूना भार के साथ कॉलिंग:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f});
    Operand<TFloat32> result = cce.call(labels, predictions, sampleWeight);
    // produces 0.814f
 

SUM कटौती प्रकार का उपयोग करना:

    CategoricalCrossentropy cce = new CategoricalCrossentropy(tf, Reduction.SUM);
    Operand<TFloat32> result = cce.call(labels, predictions);
    // produces 2.354f
 

NONE कमी प्रकार का उपयोग करना:

    CategoricalCrossentropy cce =
        new CategoricalCrossentropy(tf, Reduction.NONE);
    Operand<TFloat32> result = cce.call(labels, predictions);
    // produces [0.0513f, 2.303f]
 

स्थिरांक

int यहाँ	DEFAULT_AXIS
बूलियन	FROM_LOGITS_DEFAULT
तैरना	LABEL_SMOOTHING_DEFAULT

विरासत में मिले क्षेत्र

कक्षा org.tensorflow.framework.losses.Loss से

सार्वजनिक स्थैतिक अंतिम कमी

कमी_डिफ़ॉल्ट

सार्वजनिक निर्माता

	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ) हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीगत क्रॉस एन्ट्रापी हानि बनाता है, fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी, और DEFAULT_AXIS की एक धुरी
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम) fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS की एक धुरी का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, कटौती में कमी) हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है, fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT और DEFAULT_AXIS की एक धुरी बनाता है
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, कटौती में कमी) fromLogits के लिए एक श्रेणीगत क्रॉस एन्ट्रापी हानि FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT और DEFAULT_AXIS की एक धुरी बनाता है
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉम लॉगिट्स) हानि नाम के रूप में getSimpleName() , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS की एक धुरी का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है।
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, लॉगिट्स से बूलियन) लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS के एक चैनल अक्ष का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है।
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉम लॉगिट्स, फ्लोट लेबल स्मूथिंग) हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है, REDUCTION_DEFAULT की हानि में कमी, और DEFAULT_AXIS की एक चैनल धुरी
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स, फ्लोट लेबलस्मूथिंग) REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS के एक चैनल अक्ष का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉम लॉगिट्स, फ्लोट लेबल स्मूथिंग, रिडक्शन रिडक्शन) हानि नाम और DEFAULT_AXIS के चैनल अक्ष के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है
	श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉम लॉगिट्स, फ्लोट लेबल स्मूथिंग, रिडक्शन रिडक्शन, इंट एक्सिस) एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है

सार्वजनिक तरीके

<T TNumber > ऑपरेंड <T> का विस्तार करता है

कॉल ( ऑपरेंड <? एक्सटेंड्स टीएनंबर > लेबल, ऑपरेंड <टी> पूर्वानुमान, ऑपरेंड <टी> सैंपलवेट्स) एक ऑपरेंड उत्पन्न करता है जो नुकसान की गणना करता है।

विरासत में मिली विधियाँ

कक्षा org.tensorflow.framework.losses.Loss से

सार <T TNumber > ऑपरेंड <T> का विस्तार करता है	कॉल ( ऑपरेंड <? एक्सटेंड्स टीएनंबर > लेबल, ऑपरेंड <टी> पूर्वानुमान, ऑपरेंड <टी> सैंपलवेट्स) एक ऑपरेंड उत्पन्न करता है जो नुकसान की गणना करता है।
<T TNumber > ऑपरेंड <T> का विस्तार करता है	कॉल ( ऑपरेंड <? एक्सटेंड्स TNumber > लेबल, ऑपरेंड <T> पूर्वानुमान) नुकसान का हिसाब लगाता है
कमी	कम करना () घाटे में कमी मिलती है
ऑप्स	getTF () TensorFlow ऑप्स प्राप्त करता है

कक्षा java.lang.Object से

बूलियन	बराबर (ऑब्जेक्ट arg0)
अंतिम कक्षा<?>	गेटक्लास ()
int यहाँ	हैश कोड ()
अंतिम शून्य	सूचित करें ()
अंतिम शून्य	सभी को सूचित करें ()
डोरी	स्ट्रिंग ()
अंतिम शून्य	प्रतीक्षा करें (लंबा arg0, int arg1)
अंतिम शून्य	प्रतीक्षा करें (लंबा arg0)
अंतिम शून्य	इंतज़ार ()

स्थिरांक

सार्वजनिक स्थैतिक अंतिम int DEFAULT_AXIS

स्थिर मान: -1

सार्वजनिक स्थैतिक अंतिम बूलियन FROM_LOGITS_DEFAULT

स्थिर मान: असत्य

सार्वजनिक स्थैतिक अंतिम फ़्लोट LABEL_SMOOTHING_DEFAULT

स्थिर मान: 0.0

सार्वजनिक निर्माता

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ)

हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीगत क्रॉस एन्ट्रापी हानि बनाता है, fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी, और DEFAULT_AXIS की एक धुरी

पैरामीटर

tf	टेंसरफ़्लो ऑप्स

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम)

fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS की एक धुरी का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
नाम	इस हानि का नाम

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, कटौती में कमी)

हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है, fromLogits के लिए FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT और DEFAULT_AXIS की एक धुरी बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
कमी	हानि पर लागू होने वाली कटौती का प्रकार.

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, कटौती में कमी)

fromLogits के लिए एक श्रेणीगत क्रॉस एन्ट्रापी हानि FROM_LOGITS_DEFAULT , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT और DEFAULT_AXIS की एक धुरी बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
नाम	इस हानि का नाम
कमी	हानि पर लागू होने वाली कटौती का प्रकार.

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स)

हानि नाम के रूप में getSimpleName() , लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS की एक धुरी का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है।

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स)

लेबलस्मूथिंग के लिए LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS के एक चैनल अक्ष का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है।

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
नाम	इस हानि का नाम
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स, फ्लोट लेबलस्मूथिंग)

हानि नाम के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है, REDUCTION_DEFAULT की हानि में कमी, और DEFAULT_AXIS की एक चैनल धुरी

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है
लेबलस्मूथिंग	[0, 1] में फ़्लोट करें। जब > 0 होता है, तो लेबल मान सुचारू हो जाते हैं, जिसका अर्थ है कि लेबल मानों पर विश्वास शिथिल हो जाता है। उदाहरण के लिए labelSmoothing=0.2 अर्थ है कि हम लेबल 0 के लिए 0.1 और लेबल 1 के लिए 0.9 का मान उपयोग करेंगे।

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स, फ्लोट लेबलस्मूथिंग)

REDUCTION_DEFAULT की हानि में कमी और DEFAULT_AXIS के एक चैनल अक्ष का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रापी हानि बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
नाम	इस हानि का नाम
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है
लेबलस्मूथिंग	[0, 1] में फ़्लोट करें। जब > 0 होता है, तो लेबल मान सुचारू हो जाते हैं, जिसका अर्थ है कि लेबल मानों पर विश्वास शिथिल हो जाता है। उदाहरण के लिए labelSmoothing=0.2 अर्थ है कि हम लेबल 0 के लिए 0.1 और लेबल 1 के लिए 0.9 का मान उपयोग करेंगे।

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स, फ्लोट लेबलस्मूथिंग, रिडक्शन रिडक्शन)

हानि नाम और DEFAULT_AXIS के चैनल अक्ष के रूप में getSimpleName() का उपयोग करके एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है
लेबलस्मूथिंग	[0, 1] में फ़्लोट करें। जब > 0 होता है, तो लेबल मान सुचारू हो जाते हैं, जिसका अर्थ है कि लेबल मानों पर विश्वास शिथिल हो जाता है। उदाहरण के लिए x=0.2 का अर्थ है कि हम लेबल 0 के लिए 0.1 और लेबल 1 के लिए 0.9 का मान उपयोग करेंगे।
कमी	हानि पर लागू होने वाली कटौती का प्रकार.

सार्वजनिक श्रेणीबद्ध क्रॉसेंट्रॉपी (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स, फ्लोट लेबल स्मूथिंग, रिडक्शन रिडक्शन, इंट एक्सिस)

एक श्रेणीबद्ध क्रॉस एन्ट्रॉपी हानि बनाता है

पैरामीटर

tf	टेंसरफ़्लो ऑप्स
नाम	इस हानि का नाम
लॉगिट्स से	क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है
लेबलस्मूथिंग	[0, 1] में फ़्लोट करें। जब > 0 होता है, तो लेबल मान सुचारू हो जाते हैं, जिसका अर्थ है कि लेबल मानों पर विश्वास शिथिल हो जाता है। उदाहरण के लिए labelSmoothing=0.2 अर्थ है कि हम लेबल 0 के लिए 0.1 और लेबल 1 के लिए 0.9 का मान उपयोग करेंगे।
कमी	हानि पर लागू होने वाली कटौती का प्रकार.
एक्सिस	चैनल अक्ष. axis=-1 डेटा प्रारूप "चैनल अंतिम" से मेल खाता है और axis=1 डेटा प्रारूप "चैनल प्रथम" से मेल खाता है। CHANNELS_LAST और CHANNELS_FIRST

फेंकता

अवैध तर्क अपवाद	यदि लेबलस्मूथिंग 0.-1 की समावेशी सीमा में नहीं है।

सार्वजनिक तरीके

सार्वजनिक ऑपरेंड <T> कॉल ( ऑपरेंड <? एक्सटेंड्स TNumber > लेबल, ऑपरेंड <T> पूर्वानुमान, ऑपरेंड <T> सैंपलवेट्स)

एक ऑपरेंड उत्पन्न करता है जो नुकसान की गणना करता है।

यदि ग्राफ़ मोड में चलाया जाता है, तो गणना TFInvalidArgumentException फेंक देगी यदि पूर्वानुमान मान सीमा ओ [0 के बाहर हैं। से 1.]. उत्सुक मोड में, यह कॉल IllegalArgumentException फेंक देगा, यदि पूर्वानुमान मान सीमा ओ [0 के बाहर हैं। से 1.]

पैरामीटर

लेबल	सत्य मान या लेबल
भविष्यवाणियों	पूर्वानुमान, मान सीमा में होने चाहिए [0. से 1.] समावेशी।
नमूनावजन	वैकल्पिक नमूना वज़न हानि के लिए गुणांक के रूप में कार्य करता है। यदि एक अदिश राशि प्रदान की जाती है, तो हानि को केवल दिए गए मान से मापा जाता है। यदि सैंपलवेट्स आकार का एक टेंसर है [बैच_आकार], तो बैच के प्रत्येक नमूने के लिए कुल नुकसान सैंपलवेट्स वेक्टर में संबंधित तत्व द्वारा पुन: स्केल किया जाता है। यदि सैंपलवेट्स का आकार [बैच_साइज, डी0, .. डीएन-1] है (या इस आकार में प्रसारित किया जा सकता है), तो भविष्यवाणियों के प्रत्येक हानि तत्व को सैंपलवेट्स के संबंधित मूल्य द्वारा स्केल किया जाता है। (डीएन-1 पर ध्यान दें: सभी हानि फ़ंक्शन 1 आयाम से कम हो जाते हैं, आमतौर पर अक्ष=-1।)

रिटर्न

• हानि

फेंकता

अवैध तर्क अपवाद	यदि भविष्यवाणियाँ सीमा से बाहर हैं [0.-1.]।