CategoricalCrossentropy

classe pubblica CategoricalCrossentropy

Calcola la perdita di entropia incrociata tra le etichette e le previsioni.

Utilizzare questa funzione di perdita di entropia incrociata quando sono presenti due o più classi di etichette. Ci aspettiamo che le etichette vengano fornite in una rappresentazione one_hot. Se desideri fornire etichette come numeri interi, utilizza la perdita SparseCategoricalCrossentropy . Dovrebbero esserci # classes per funzione.

Utilizzo autonomo:

    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
 

Chiamata con peso campione:

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

Utilizzo del tipo di riduzione SUM :

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

Utilizzo del tipo di riduzione NONE :

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

Costanti

int	DEFAULT_AXIS
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

	CategorialeCrossentropia (Ops tf) Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS
	Incrociato categorico (Ops tf, nome stringa) Crea una perdita di entropia incrociata categoriale utilizzando FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS
	Crossentropia categoriale (Ops tf, Riduzione riduzione ) Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e un asse di DEFAULT_AXIS
	Entropia incrociata categoriale (Ops tf, Nome stringa, Riduzione riduzione) Crea una perdita di entropia incrociata categorica FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e un asse di DEFAULT_AXIS
	CategorialeIncrocioentropia (Ops tf, booleano daLogits) Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS
	CategorialeIncrocioentropia (Ops tf, nome stringa, booleano fromLogits) Crea una perdita di entropia incrociata categoriale utilizzando LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS
	CategorialeIncrocioentropia (Ops tf, booleano fromLogits, etichetta floatSmoothing) Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS
	CategorialeIncrocioentropia (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing) Crea una perdita di entropia incrociata categoriale utilizzando una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS
	CategorialeIncrocioentropia (Ops tf, booleano fromLogits, etichetta floatSmoothing, Riduzione riduzione ) Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita e un asse del canale di DEFAULT_AXIS
	CategorialeEntropia incrociata (Ops tf, Nome stringa, booleano fromLogits, etichetta mobileSmoothing, Riduzione riduzione, asse int) Crea una perdita di entropia incrociata categorica

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

public static final int DEFAULT_AXIS

Valore costante: -1

booleano finale statico pubblico FROM_LOGITS_DEFAULT

Valore costante: falso

float finale statico pubblico LABEL_SMOOTHING_DEFAULT

Valore costante: 0,0

Costruttori pubblici

public CategoricalCrossentropy (Ops tf)

Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS

Parametri

tf	le operazioni TensorFlow

public CategoricalCrossentropy (Ops tf, nome stringa)

Crea una perdita di entropia incrociata categoriale utilizzando FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS

Parametri

tf	le operazioni TensorFlow
nome	il nome di questa perdita

public CategoricalCrossentropy (Ops tf, Riduzione riduzione)

Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e un asse di DEFAULT_AXIS

Parametri

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

public CategoricalCrossentropy (Ops tf, Nome stringa, Riduzione riduzione)

Crea una perdita di entropia incrociata categorica FROM_LOGITS_DEFAULT per fromLogits, LABEL_SMOOTHING_DEFAULT per labelSmoothing e un asse di DEFAULT_AXIS

Parametri

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

public CategoricalCrossentropy (Ops tf, booleano fromLogits)

Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse di DEFAULT_AXIS

Parametri

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

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

Crea una perdita di entropia incrociata categoriale utilizzando LABEL_SMOOTHING_DEFAULT per labelSmoothing, una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS

Parametri

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

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

Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS

Parametri

tf	le operazioni TensorFlow
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Galleggia in [0, 1] . Quando > 0 , i valori delle etichette vengono livellati, il che significa che la fiducia sui valori delle etichette viene attenuata. ad esempio labelSmoothing=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1

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

Crea una perdita di entropia incrociata categoriale utilizzando una riduzione della perdita di REDUCTION_DEFAULT e un asse del canale di DEFAULT_AXIS

Parametri

tf	le operazioni TensorFlow
nome	il nome di questa perdita
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Galleggia in [0, 1] . Quando > 0 , i valori delle etichette vengono livellati, il che significa che la fiducia sui valori delle etichette viene attenuata. ad esempio labelSmoothing=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1

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

Crea una perdita di entropia incrociata categoriale utilizzando getSimpleName() come nome della perdita e un asse del canale di DEFAULT_AXIS

Parametri

tf	le operazioni TensorFlow
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Galleggia in [0, 1] . Quando > 0 , i valori delle etichette vengono livellati, il che significa che la fiducia sui valori delle etichette viene attenuata. ad esempio x=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1
riduzione	Tipo di riduzione da applicare alla perdita.

public CategoricalCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, riduzione riduzione , asse int)

Crea una perdita di entropia incrociata categorica

Parametri

tf	le operazioni TensorFlow
nome	il nome di questa perdita
da Logits	Se interpretare le previsioni come un tensore di valori logit
etichettaLevigante	Galleggia in [0, 1] . Quando > 0 , i valori delle etichette vengono livellati, il che significa che la fiducia sui valori delle etichette viene attenuata. ad esempio labelSmoothing=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1
riduzione	Tipo di riduzione da applicare alla perdita.
asse	L'asse dei canali. axis=-1 corrisponde al formato dati "Canali Ultimo" e axis=1 corrisponde al formato dati "Canali Primo". CHANNELS_LAST e CHANNELS_FIRST

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 rientrano 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.].