TensorFlow возвращается на Google I/O 14 мая! Зарегистрироваться

Эта страница переведена с помощью Cloud Translation API.

CategoricalCrossentropy

общественный класс КатегориальнаяКроссентропия

Вычисляет потерю кроссэнтропии между метками и прогнозами.

Используйте эту функцию кроссэнтропийных потерь, когда имеется два или более классов меток. Мы ожидаем, что метки будут предоставлены в представлении one_hot. Если вы хотите предоставить метки как целые числа, используйте потерю SparseCategoricalCrossentropy . Для каждого объекта должно быть # classes значений с плавающей запятой.

Автономное использование:

    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

Вызов с выборочным весом:

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

Использование типа сокращения SUM :

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

Использование типа сокращения NONE :

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

Константы

интервал	DEFAULT_AXIS
логическое значение	FROM_LOGITS_DEFAULT
плавать	LABEL_SMOOTHING_DEFAULT

Унаследованные поля

Из класса org.tensorflow.framework.losses.Loss

общедоступное статическое окончательное сокращение REDUCTION_DEFAULT

Публичные конструкторы

	Категориальная кроссэнтропия (Ops tf) Создает категориальную кросс-энтропийную потерю, используя `getSimpleName()` в качестве имени потери, `FROM_LOGITS_DEFAULT` для fromLogits, `LABEL_SMOOTHING_DEFAULT` для labelSmoothing, уменьшения потерь `REDUCTION_DEFAULT` и оси `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, имя строки) Создает категориальную потерю перекрестной энтропии, используя `FROM_LOGITS_DEFAULT` для fromLogits, `LABEL_SMOOTHING_DEFAULT` для labelSmoothing, уменьшение потерь `REDUCTION_DEFAULT` и ось `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, сокращение сокращения) Создает категориальную кросс-энтропийную потерю, используя `getSimpleName()` в качестве имени потери, `FROM_LOGITS_DEFAULT` для fromLogits, `LABEL_SMOOTHING_DEFAULT` для labelSmoothing и оси `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, имя строки, сокращение сокращения) Создает категориальную кросс-энтропийную потерю `FROM_LOGITS_DEFAULT` для fromLogits, `LABEL_SMOOTHING_DEFAULT` для labelSmoothing и ось `DEFAULT_AXIS`
	Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits) Создает категориальную потерю перекрестной энтропии, используя `getSimpleName()` в качестве имени потери, `LABEL_SMOOTHING_DEFAULT` для labelSmoothing, уменьшения потерь `REDUCTION_DEFAULT` и оси `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, имя строки, логическое значение fromLogits) Создает категориальную перекрестную энтропию Loss, используя `LABEL_SMOOTHING_DEFAULT` для labelSmoothing, Loss Reduction `REDUCTION_DEFAULT` и ось канала `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits, float labelSmoothing) Создает категориальную кросс-энтропийную потерю, используя `getSimpleName()` в качестве имени потери, уменьшение потерь `REDUCTION_DEFAULT` и ось канала `DEFAULT_AXIS` .
	Категориальная кроссентропия (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing) Создает категориальную кросс-энтропийную потерю с использованием уменьшения потерь `REDUCTION_DEFAULT` и оси канала `DEFAULT_AXIS` .
	Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits, float labelSmoothing, уменьшение сокращения ) Создает категориальную кросс-энтропийную потерю, используя `getSimpleName()` в качестве имени потери и оси канала `DEFAULT_AXIS` .
	Категориальная кроссентропия (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing, сокращение сокращения , ось int) Создает категориальную кросс-энтропийную потерю

Публичные методы

<T расширяет TNumber > Операнд <T>

вызов ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights)

Генерирует операнд, который вычисляет потери.

Унаследованные методы

Из класса org.tensorflow.framework.losses.Loss

абстрактный <T расширяет TNumber > Операнд <T>	вызов ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights) Генерирует операнд, который вычисляет потери.
<T расширяет TNumber > Операнд <T>	вызов ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>) Рассчитывает потери
Снижение	получитьРедукцию () Получает сокращение потерь
Операции	получитьТФ () Получает операции TensorFlow.

Из класса java.lang.Object

логическое значение	равно (Объект arg0)
последний класс<?>	получитьКласс ()
интервал	хэш-код ()
окончательная пустота	поставить в известность ()
окончательная пустота	уведомитьВсе ()
Нить	нанизывать ()
окончательная пустота	подождать (длинный arg0, int arg1)
окончательная пустота	подождите (длинный arg0)
окончательная пустота	ждать ()

Константы

общедоступный статический окончательный int DEFAULT_AXIS

Постоянное значение: -1

общедоступное статическое окончательное логическое значение FROM_LOGITS_DEFAULT

Постоянное значение: ложь

общедоступный статический финальный плавающий элемент LABEL_SMOOTHING_DEFAULT

Постоянное значение: 0,0

Публичные конструкторы

общественная категориальная кроссэнтропия (Ops TF)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшения потерь REDUCTION_DEFAULT и оси DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow

public CategoricalCrossentropy (Ops tf, имя строки)

Создает категориальную потерю перекрестной энтропии, используя FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшение потерь REDUCTION_DEFAULT и ось DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
имя	название этой потери

public CategoricalCrossentropy (Ops tf, Reduction Reduction)

Параметры

ТС	Операции TensorFlow
снижение	Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, имя строки, сокращение сокращения )

Создает категориальную кросс-энтропийную потерю FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing и ось DEFAULT_AXIS

Параметры

ТС	Операции TensorFlow
имя	название этой потери
снижение	Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, логическое значение fromLogits)

Создает категориальную потерю перекрестной энтропии, используя getSimpleName() в качестве имени потери, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшения потерь REDUCTION_DEFAULT и оси DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits)

Создает категориальную перекрестную энтропию Loss, используя LABEL_SMOOTHING_DEFAULT для labelSmoothing, Loss Reduction REDUCTION_DEFAULT и ось канала DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
имя	название этой потери
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений

public CategoricalCrossentropy (Ops tf, логическое значение fromLogits, float labelSmoothing)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, уменьшение потерь REDUCTION_DEFAULT и ось канала DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание	Плавающее значение `[0, 1]` . Если `> 0` , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например `labelSmoothing=0.2` означает, что мы будем использовать значение `0.1` для метки `0` и `0.9` для метки `1`

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing)

Создает категориальную кросс-энтропийную потерю с использованием уменьшения потерь REDUCTION_DEFAULT и оси канала DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
имя	название этой потери
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание	Плавающее значение `[0, 1]` . Если `> 0` , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например `labelSmoothing=0.2` означает, что мы будем использовать значение `0.1` для метки `0` и `0.9` для метки `1`

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

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери и оси канала DEFAULT_AXIS .

Параметры

ТС	Операции TensorFlow
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание	Плавающее значение `[0, 1]` . Если `> 0` , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например `x=0.2` означает, что мы будем использовать значение `0.1` для метки `0` и `0.9` для метки `1`
снижение	Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing, сокращение сокращения , ось int)

Создает категориальную кросс-энтропийную потерю

Параметры

ТС	Операции TensorFlow
имя	название этой потери
fromLogits	Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание	Плавающее значение `[0, 1]` . Если `> 0` , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например `labelSmoothing=0.2` означает, что мы будем использовать значение `0.1` для метки `0` и `0.9` для метки `1`
снижение	Тип уменьшения, применяемого к убытку.
ось	Ось каналов. `axis=-1` соответствует формату данных «Последние каналы», а `axis=1` соответствует формату данных «Первые каналы». `CHANNELS_LAST` и `CHANNELS_FIRST`

Броски

IllegalArgumentException	если labelSmoothing не находится в диапазоне от 0 до 1.

Публичные методы

общедоступный вызов операнда <T> ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights)

Генерирует операнд, который вычисляет потери.

При запуске в режиме графика вычисление выдаст исключение TFInvalidArgumentException , если значения прогнозов выходят за пределы диапазона o [0. до 1.]. В режиме Eager этот вызов вызовет IllegalArgumentException , если значения прогнозов выходят за пределы диапазона o [0. до 1.]

Параметры

этикетки	значения истинности или метки
предсказания	прогнозы, значения должны находиться в диапазоне [0. до 1.] включительно.
образецВес	Дополнительный SampleWeights действует как коэффициент потерь. Если указан скаляр, то потери просто масштабируются по заданному значению. Если SampleWeights — это тензор размера [batch_size], то общие потери для каждой выборки пакета масштабируются соответствующим элементом вектора SampleWeights. Если форма SampleWeights равна [batch_size, d0, .. dN-1] (или может быть передана в эту форму), то каждый элемент потерь прогнозов масштабируется соответствующим значением SampleWeights. (Примечание к dN-1: все функции потерь уменьшаются на 1 измерение, обычно ось = -1.)

Возврат

потеря

Броски

IllegalArgumentException	если прогнозы выходят за пределы диапазона [0.-1.].