TensorFlow が 5 月 14 日の Google I/O に戻ってきます。今すぐ登録

このページは Cloud Translation API によって翻訳されました。

CategoricalCrossentropy

パブリッククラスCategoricalCrossentropy

ラベルと予測の間のクロスエントロピー損失を計算します。

ラベルクラスが 2 つ以上ある場合は、このクロスエントロピー損失関数を使用します。ラベルは one_hot 表現で提供されることが期待されます。ラベルを整数として提供したい場合は、 SparseCategoricalCrossentropy loss を使用してください。機能ごとに# classes浮動小数点値が存在する必要があります。

スタンドアロン使用:

    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

サンプルの重みを指定して呼び出します:

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

SUMリダクションタイプの使用:

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

NONE削減タイプを使用する:

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

定数

整数	DEFAULT_AXIS
ブール値	FROM_LOGITS_DEFAULT
浮く	LABEL_SMOOTHING_DEFAULT

継承されたフィールド

クラスorg.tensorflow.framework.losses.Lossから

パブリック静的最終リダクション REDUCTION_DEFAULT

パブリックコンストラクター

	カテゴリクロセントロピー(Ops tf) `getSimpleName()`を損失名として使用し、 fromLogits の場合は`FROM_LOGITS_DEFAULT` 、 labelSmoothing の場合は`LABEL_SMOOTHING_DEFAULT` 、 `REDUCTION_DEFAULT`の損失削減、および`DEFAULT_AXIS`の軸を使用して、カテゴリカルクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、文字列名) fromLogits の`FROM_LOGITS_DEFAULT` 、labelSmoothing の`LABEL_SMOOTHING_DEFAULT` 、 `REDUCTION_DEFAULT`の損失削減、および`DEFAULT_AXIS`の軸を使用して、カテゴリカルクロスエントロピー損失を作成します。
	カテゴリクロセントロピー(Ops tf、リダクションリダクション) `getSimpleName()`を損失名として、 `FROM_LOGITS_DEFAULT` (fromLogits の場合)、 `LABEL_SMOOTHING_DEFAULT` (labelSmoothing の場合)、および`DEFAULT_AXIS`の軸を使用して、カテゴリカルクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、文字列名、リダクションリダクション) fromLogits のカテゴリクロスエントロピー損失`FROM_LOGITS_DEFAULT` 、labelSmoothing の`LABEL_SMOOTHING_DEFAULT` 、および`DEFAULT_AXIS`の軸を作成します。
	CategoricalCrossentropy (Ops tf、ブール値 fromLogits) 損失名として`getSimpleName()`を使用し、labelSmoothing に`LABEL_SMOOTHING_DEFAULT`使用し、 `REDUCTION_DEFAULT`の損失削減、および`DEFAULT_AXIS`の軸を使用して、カテゴリカルクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits) labelSmoothing の`LABEL_SMOOTHING_DEFAULT` 、 `REDUCTION_DEFAULT`の損失削減、および`DEFAULT_AXIS`のチャネル軸を使用して、カテゴリカルクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、boolean fromLogits、float labelSmoothing) 損失名として`getSimpleName()`を使用し、 `REDUCTION_DEFAULT`の損失削減、および`DEFAULT_AXIS`のチャネル軸を使用して、カテゴリカルなクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing) `REDUCTION_DEFAULT`の損失削減と`DEFAULT_AXIS`のチャネル軸を使用して、カテゴリカルなクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、boolean fromLogits、float labelSmoothing、 Reduction削減) `getSimpleName()`を損失名として使用し、チャネル軸として`DEFAULT_AXIS`を使用して、カテゴリカルなクロスエントロピー損失を作成します。
	CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、 Reduction削減、int 軸) カテゴリカルなクロスエントロピー損失を作成します

パブリックメソッド

<T extends TNumber >オペランド<T>

call (オペランド<? extends TNumber > ラベル、オペランド<T> 予測、オペランド<T> サンプルウェイト)

損失を計算するオペランドを生成します。

継承されたメソッド

クラスorg.tensorflow.framework.losses.Lossから

抽象 <T extends TNumber >オペランド<T>	call (オペランド<? extends TNumber > ラベル、オペランド<T> 予測、オペランド<T> サンプルウェイト) 損失を計算するオペランドを生成します。
<T extends TNumber >オペランド<T>	call (オペランド<? extends TNumber > ラベル、オペランド<T> 予測) 損失を計算します
削減	getReduction () 損失削減を取得します
作戦	getTF () TensorFlow Ops を取得します

クラスjava.lang.Objectから

ブール値	等しい(オブジェクト arg0)
最終クラス<?>	getクラス()
整数	ハッシュコード（）
最後の空白	通知する()
最後の空白	すべて通知()
弦	toString ()
最後の空白	wait (long arg0, int arg1)
最後の空白	待機(長い引数0)
最後の空白	待って（）

定数

パブリック静的最終整数DEFAULT_AXIS

定数値: -1

パブリック静的最終ブール値FROM_LOGITS_DEFAULT

定数値: false

パブリック静的最終フロートLABEL_SMOOTHING_DEFAULT

定数値: 0.0

パブリックコンストラクター

public CategoricalCrossentropy (Ops tf)

getSimpleName()を損失名として使用し、 fromLogits の場合はFROM_LOGITS_DEFAULT 、 labelSmoothing の場合はLABEL_SMOOTHING_DEFAULT 、 REDUCTION_DEFAULTの損失削減、およびDEFAULT_AXISの軸を使用して、カテゴリカルクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション

public CategoricalCrossentropy (Ops tf、文字列名)

fromLogits のFROM_LOGITS_DEFAULT 、labelSmoothing のLABEL_SMOOTHING_DEFAULT 、 REDUCTION_DEFAULTの損失削減、およびDEFAULT_AXISの軸を使用して、カテゴリカルクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
名前	この喪失の名前

public CategoricalCrossentropy (Ops tf、 Reductionリダクション)

getSimpleName()を損失名として、 FROM_LOGITS_DEFAULT (fromLogits の場合)、 LABEL_SMOOTHING_DEFAULT (labelSmoothing の場合)、およびDEFAULT_AXISの軸を使用して、カテゴリカルクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
削減	損失に適用する軽減のタイプ。

public CategoricalCrossentropy (Ops tf、文字列名、 Reduction削減)

fromLogits のカテゴリクロスエントロピー損失FROM_LOGITS_DEFAULT 、labelSmoothing のLABEL_SMOOTHING_DEFAULT 、およびDEFAULT_AXISの軸を作成します。

パラメーター

TF	TensorFlow オペレーション
名前	この喪失の名前
削減	損失に適用する軽減のタイプ。

public CategoricalCrossentropy (Ops tf、ブール値 fromLogits)

損失名としてgetSimpleName()を使用し、labelSmoothing にLABEL_SMOOTHING_DEFAULT使用し、 REDUCTION_DEFAULTの損失削減、およびDEFAULT_AXISの軸を使用して、カテゴリカルクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか

public CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits)

labelSmoothing のLABEL_SMOOTHING_DEFAULT 、 REDUCTION_DEFAULTの損失削減、およびDEFAULT_AXISのチャネル軸を使用して、カテゴリカルクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
名前	この喪失の名前
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか

public CategoricalCrossentropy (Ops tf、boolean fromLogits、float labelSmoothing)

損失名としてgetSimpleName()を使用し、 REDUCTION_DEFAULTの損失削減、およびDEFAULT_AXISのチャネル軸を使用して、カテゴリカルなクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか
ラベルスムージング	`[0, 1]`の浮動小数点数。 `> 0`の場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 `labelSmoothing=0.2`ラベル`0`には`0.1`の値を使用し、ラベル`1`には`0.9`の値を使用することを意味します。

public CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing)

REDUCTION_DEFAULTの損失削減とDEFAULT_AXISのチャネル軸を使用して、カテゴリカルなクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
名前	この喪失の名前
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか
ラベルスムージング	`[0, 1]`の浮動小数点数。 `> 0`の場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 `labelSmoothing=0.2`ラベル`0`には`0.1`の値を使用し、ラベル`1`には`0.9`の値を使用することを意味します。

public CategoricalCrossentropy (Ops tf、boolean fromLogits、float labelSmoothing、 Reduction削減)

getSimpleName()を損失名として使用し、チャネル軸としてDEFAULT_AXISを使用して、カテゴリカルなクロスエントロピー損失を作成します。

パラメーター

TF	TensorFlow オペレーション
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか
ラベルスムージング	`[0, 1]`の浮動小数点数。 `> 0`の場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 `x=0.2`ラベル`0`には`0.1`の値を使用し、ラベル`1`には`0.9`の値を使用することを意味します。
削減	損失に適用する軽減のタイプ。

public CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、 Reduction削減、int 軸)

カテゴリカルなクロスエントロピー損失を作成します

パラメーター

TF	TensorFlow オペレーション
名前	この喪失の名前
fromロジッツ	予測をロジット値のテンソルとして解釈するかどうか
ラベルスムージング	`[0, 1]`の浮動小数点数。 `> 0`の場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 `labelSmoothing=0.2`ラベル`0`には`0.1`の値を使用し、ラベル`1`には`0.9`の値を使用することを意味します。
削減	損失に適用する軽減のタイプ。
軸	チャネル軸。 `axis=-1`はデータ形式「Channels Last」に対応し、 `axis=1`はデータ形式「Channels First」に対応します。 `CHANNELS_LAST`と`CHANNELS_FIRST`

投げる

IllegalArgumentException	labelSmoothing が 0. - 1 の範囲内にない場合。

パブリックメソッド

publicオペランド<T>呼び出し(オペランド<? extends TNumber > ラベル、オペランド<T> 予測、オペランド<T> サンプルウェイト)

損失を計算するオペランドを生成します。

グラフモードで実行すると、予測値が範囲外にある場合、計算はTFInvalidArgumentExceptionをスローします。 1.]へ。 Eager モードでは、予測値が範囲外にある場合、この呼び出しはIllegalArgumentExceptionをスローします。 1に。]

パラメーター

ラベル	真理値またはラベル
予測	予測の場合、値は [0. 1.まで]を含みます。
サンプルの重み	オプションの SampleWeights は損失の係数として機能します。スカラーが指定されている場合、損失は指定された値によって単純にスケーリングされます。 SampleWeights がサイズ [batch_size] のテンソルの場合、バッチの各サンプルの合計損失は、SampleWeights ベクトルの対応する要素によって再スケーリングされます。 SampleWeights の形状が [batch_size, d0, .. dN-1] の場合 (またはこの形状にブロードキャストできる場合)、予測の各損失要素は、SampleWeights の対応する値によってスケーリングされます。 (dN-1 に関する注意: すべての損失関数は 1 次元ずつ減少します。通常は axis=-1 です。)

戻り値

損失

投げる

IllegalArgumentException	予測が範囲 [0.-1.] の外にある場合。