CategoricalCrossentropy

classe pública CategoricalCrossentropy

Calcula a perda de entropia cruzada entre os rótulos e as previsões.

Use esta função de perda de entropia cruzada quando houver duas ou mais classes de rótulos. Esperamos que os rótulos sejam fornecidos em uma representação one_hot. Se você deseja fornecer rótulos como números inteiros, use a perda SparseCategoricalCrossentropy . Deve haver # classes valores de ponto flutuante por recurso.

Uso autônomo: 

    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

Chamando com peso amostral: 

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

Usando o tipo de redução SUM : 

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

Usando o tipo de redução NONE : 

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

Constantes

interno DEFAULT_AXIS
boleano FROM_LOGITS_DEFAULT
flutuador LABEL_SMOOTHING_DEFAULT

Campos Herdados

Construtores Públicos

Cruzentropia Categórica (Ops tf)
Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, nome da string)
Cria uma perda de entropia cruzada categórica usando FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS
CategóricaCrossentropia (Ops tf, Redução de redução )
Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing e um eixo de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, nome da string, redução de redução )
Cria uma perda de entropia cruzada categórica FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing e um eixo de DEFAULT_AXIS
CategóricaCrossentropia (Ops tf, booleano fromLogits)
Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, nome da string, booleano fromLogits)
Cria uma perda de entropia cruzada categórica usando LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing)
Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing)
Cria uma perda de entropia cruzada categórica usando uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, booleano fromLogits, rótulo flutuante Suavização, redução de redução )
Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda e um eixo de canal de DEFAULT_AXIS
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, Reductionduction , int axis)
Cria uma perda de entropia cruzada categórica

Métodos Públicos

<T estende TNumber > Operando <T>
chamada ( Operando <? estende TNumber > rótulos, previsões de Operando <T>, Operando <T> sampleWeights)
Gera um Operando que calcula a perda.

Métodos herdados

Constantes

público estático final int DEFAULT_AXIS

Valor Constante: -1

público estático final booleano FROM_LOGITS_DEFAULT

Valor constante: falso

flutuador final estático público LABEL_SMOOTHING_DEFAULT

Valor constante: 0,0

Construtores Públicos

cruzentropia categórica pública (Ops tf)

Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow

público CategoricalCrossentropy (Ops tf, nome da string)

Cria uma perda de entropia cruzada categórica usando FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
nome o nome dessa perda

public CategoricalCrossentropy (Ops tf, redução de redução )

Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing e um eixo de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
redução Tipo de Redução a aplicar à perda.

public CategoricalCrossentropy (Ops tf, nome da string, redução de redução )

Cria uma perda de entropia cruzada categórica FROM_LOGITS_DEFAULT para fromLogits, LABEL_SMOOTHING_DEFAULT para labelSmoothing e um eixo de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
nome o nome dessa perda
redução Tipo de Redução a aplicar à perda.

public CategoricalCrossentropy (Ops tf, booleano fromLogits)

Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
deLogits Se deve interpretar as previsões como um tensor de valores logit

public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits)

Cria uma perda de entropia cruzada categórica usando LABEL_SMOOTHING_DEFAULT para labelSmoothing, uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
nome o nome dessa perda
deLogits Se deve interpretar as previsões como um tensor de valores logit

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

Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda, uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
deLogits Se deve interpretar as previsões como um tensor de valores logit
etiqueta Suavização Flutuar em [0, 1] . Quando > 0 , os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo labelSmoothing=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1

public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing)

Cria uma perda de entropia cruzada categórica usando uma redução de perda de REDUCTION_DEFAULT e um eixo de canal de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
nome o nome dessa perda
deLogits Se deve interpretar as previsões como um tensor de valores logit
etiqueta Suavização Flutuar em [0, 1] . Quando > 0 , os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo labelSmoothing=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1

public CategoricalCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing, Reductionduction )

Cria uma perda de entropia cruzada categórica usando getSimpleName() como o nome da perda e um eixo de canal de DEFAULT_AXIS

Parâmetros
TF as operações do TensorFlow
deLogits Se deve interpretar as previsões como um tensor de valores logit
etiqueta Suavização Flutuar em [0, 1] . Quando > 0 , os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo x=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1
redução Tipo de Redução a aplicar à perda.

public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, Reductionduction , int axis)

Cria uma perda de entropia cruzada categórica

Parâmetros
TF as operações do TensorFlow
nome o nome dessa perda
deLogits Se deve interpretar as previsões como um tensor de valores logit
etiqueta Suavização Flutuar em [0, 1] . Quando > 0 , os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo labelSmoothing=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1
redução Tipo de Redução a aplicar à perda.
eixo O eixo dos canais. axis=-1 corresponde ao formato de dados "Canais Últimos" e axis=1 corresponde ao formato de dados "Canais Primeiro". CHANNELS_LAST e CHANNELS_FIRST
Lança
Exceção de argumento ilegal se labelSmoothing não estiver no intervalo inclusivo de 0. - 1.

Métodos Públicos

chamada de operando público <T> ( Operando <? estende TNumber > rótulos, previsões de operando <T>, pesos de amostra de operando <T>)

Gera um Operando que calcula a perda.

Se executado no modo Graph, o cálculo lançará TFInvalidArgumentException se os valores das previsões estiverem fora do intervalo o [0. para 1.]. No modo Eager, esta chamada lançará IllegalArgumentException , se os valores das previsões estiverem fora do intervalo o [0. para 1.]

Parâmetros
rótulos os valores de verdade ou rótulos
previsões as previsões, os valores devem estar no intervalo [0. para 1.] inclusive.
pesos de amostra SampleWeights opcionais atuam como um coeficiente para a perda. Se um escalar for fornecido, a perda será simplesmente dimensionada pelo valor fornecido. Se SampleWeights for um tensor de tamanho [batch_size], então a perda total de cada amostra do lote será redimensionada pelo elemento correspondente no vetor SampleWeights. Se a forma de SampleWeights for [batch_size, d0, .. dN-1] (ou puder ser transmitida para esta forma), então cada elemento de perda de previsões será dimensionado pelo valor correspondente de SampleWeights. (Nota sobre dN-1: todas as funções de perda são reduzidas em 1 dimensão, geralmente eixo=-1.)
Devoluções
  • a perda
Lança
Exceção de argumento ilegal se as previsões estiverem fora do intervalo [0.-1.].