TensorFlow 14 Mayıs'ta Google I/O'ya geri döndü! Şimdi üye Ol

Bu sayfa, Cloud Translation API ile çevrilmiştir.

CategoricalCrossentropy

genel sınıf KategorikÇapraztropi

Etiketler ve tahminler arasındaki çapraz entropi kaybını hesaplar.

İki veya daha fazla etiket sınıfı olduğunda bu çapraz entropi kaybı fonksiyonunu kullanın. Etiketlerin one_hot gösteriminde sağlanmasını bekliyoruz. Etiketleri tamsayı olarak sağlamak istiyorsanız lütfen SparseCategoricalCrossentropy kaybını kullanın. Özellik başına # classes kayan nokta değeri olmalıdır.

Bağımsız kullanım:

    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

Örnek ağırlıkla arama:

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

SUM azaltma türünü kullanma:

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

NONE azaltma türünü kullanma:

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

Sabitler

int	DEFAULT_AXIS
boolean	FROM_LOGITS_DEFAULT
batmadan yüzmek	LABEL_SMOOTHING_DEFAULT

Devralınan Alanlar

org.tensorflow.framework.losses.Loss sınıfından

genel statik nihai Azaltma REDUCTION_DEFAULT

Kamu İnşaatçıları

	Kategorik Çapraztropi (Ops tf) Kayıp adı olarak `getSimpleName()` , fromLogits için `FROM_LOGITS_DEFAULT` , labelSmoothing için `LABEL_SMOOTHING_DEFAULT` , `REDUCTION_DEFAULT` Kayıp Azaltma ve `DEFAULT_AXIS` eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	KategorikÇapraztropi (Ops tf, Dize adı) fromLogits için `FROM_LOGITS_DEFAULT` , labelSmoothing için `LABEL_SMOOTHING_DEFAULT` , `REDUCTION_DEFAULT` Kayıp Azaltma ve `DEFAULT_AXIS` eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, İndirgeme azaltma) Kayıp adı olarak `getSimpleName()` , fromLogits için `FROM_LOGITS_DEFAULT` , labelSmoothing için `LABEL_SMOOTHING_DEFAULT` ve `DEFAULT_AXIS` eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, Dize adı, Azaltma azaltma) fromLogits için kategorik bir çapraz entropi Kaybı `FROM_LOGITS_DEFAULT` , labelSmoothing için `LABEL_SMOOTHING_DEFAULT` ve `DEFAULT_AXIS` ekseni oluşturur
	Kategorik Çapraztropi (Ops tf, Logits'ten boolean) Kayıp adı olarak `getSimpleName()` , labelSmoothing için `LABEL_SMOOTHING_DEFAULT` , `REDUCTION_DEFAULT` Kayıp Azaltma ve `DEFAULT_AXIS` eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, Dize adı, mantıksal fromLogits) LabelSmoothing için `LABEL_SMOOTHING_DEFAULT` , `REDUCTION_DEFAULT` Kayıp Azaltma ve `DEFAULT_AXIS` kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, Logit'lerden boolean, kayan etiket Düzgünleştirme) Kayıp adı olarak `getSimpleName()` i, `REDUCTION_DEFAULT` Kayıp Azaltma'sını ve `DEFAULT_AXIS` kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, Dize adı, Logitlerden boolean, kayan etiket Düzgünleştirme) `REDUCTION_DEFAULT` Kayıp Azaltma ve `DEFAULT_AXIS` kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çaprazlama (Ops tf, Logitlerden boolean, kayan etiket Düzgünleştirme, Azaltma azaltma) Kayıp adı olarak `getSimpleName()` ve `DEFAULT_AXIS` kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur
	Kategorik Çapraztropi (Ops tf, Dize adı, mantıksal fromLogits, kayan etiket Düzgünleştirme, Azaltma azaltma, int ekseni) Kategorik bir çapraz entropi kaybı yaratır

Genel Yöntemler

<T TNumber'ı genişletir > İşlenen <T>

çağrı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnekAğırlıkları)

Kaybı hesaplayan bir İşlenen üretir.

Kalıtsal Yöntemler

org.tensorflow.framework.losses.Loss sınıfından

abstract <T TNumarasını genişletir > İşlenen <T>	çağrı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnekAğırlıkları) Kaybı hesaplayan bir İşlenen üretir.
<T TNumber'ı genişletir > İşlenen <T>	çağrı ( İşlenen <? TNumber > etiketlerini genişletir, İşlenen <T> tahminleri) Kaybı hesaplar
Kesinti	indirgeme () Kayıp azaltımı elde edilir
Operasyonlar	getTF () TensorFlow Ops'u alır

Java.lang.Object sınıfından

boolean	eşittir (Nesne arg0)
son Sınıf<?>	getClass ()
int	hash kodu ()
son boşluk	bildir ()
son boşluk	tümünü bildir ()
Sicim	toString ()
son boşluk	bekle (uzun arg0, int arg1)
son boşluk	bekle (uzun arg0)
son boşluk	Beklemek ()

Sabitler

genel statik final int DEFAULT_AXIS

Sabit Değer: -1

genel statik son boolean FROM_LOGITS_DEFAULT

Sabit Değer: yanlış

genel statik son kayan nokta LABEL_SMOOTHING_DEFAULT

Sabit Değer: 0,0

Kamu İnşaatçıları

herkese açık Kategorik Çapraztropi (Ops tf)

Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT Kayıp Azaltma ve DEFAULT_AXIS eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları

public KategorikÇapraztropi (Ops tf, Dize adı)

fromLogits için FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT Kayıp Azaltma ve DEFAULT_AXIS eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
isim	bu kaybın adı

genel Kategorik Çapraztropi (Ops tf, Azaltma azaltma)

Kayıp adı olarak getSimpleName() , fromLogits için FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT ve DEFAULT_AXIS eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
kesinti	Zarara uygulanacak İndirim Türü.

genel Kategorik Çapraztropi (Ops tf, Dize adı, Azaltma azaltma)

fromLogits için kategorik bir çapraz entropi Kaybı FROM_LOGITS_DEFAULT , labelSmoothing için LABEL_SMOOTHING_DEFAULT ve DEFAULT_AXIS ekseni oluşturur

Parametreler

TF	TensorFlow Operasyonları
isim	bu kaybın adı
kesinti	Zarara uygulanacak İndirim Türü.

genel Kategorik Çapraztropi (Ops tf, Logits'ten boolean)

Kayıp adı olarak getSimpleName() , labelSmoothing için LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT Kayıp Azaltma ve DEFAULT_AXIS eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

genel Kategorik Çaprazlama (Ops tf, Dize adı, mantıksal fromLogits)

LabelSmoothing için LABEL_SMOOTHING_DEFAULT , REDUCTION_DEFAULT Kayıp Azaltma ve DEFAULT_AXIS kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
isim	bu kaybın adı
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

genel Kategorik Çapraztropi (Ops tf, mantıksal fromLogits, kayan etiket Düzgünleştirme)

Kayıp adı olarak getSimpleName() i, REDUCTION_DEFAULT Kayıp Azaltma'sını ve DEFAULT_AXIS kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme	`[0, 1]` içinde kayan. `> 0` olduğunda etiket değerleri yumuşatılır, bu da etiket değerlerine olan güvenin gevşediği anlamına gelir. örneğin `labelSmoothing=0.2` etiket `0` için `0.1` ve etiket `1` için `0.9` değerini kullanacağımız anlamına gelir

genel Kategorik Çapraztropi (Ops tf, Dize adı, mantıksal fromLogits, kayan etiket Düzgünleştirme)

REDUCTION_DEFAULT Kayıp Azaltma ve DEFAULT_AXIS kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
isim	bu kaybın adı
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme	`[0, 1]` içinde kayan. `> 0` olduğunda etiket değerleri yumuşatılır, bu da etiket değerlerine olan güvenin gevşediği anlamına gelir. örneğin `labelSmoothing=0.2` etiket `0` için `0.1` ve etiket `1` için `0.9` değerini kullanacağımız anlamına gelir

genel Kategorik Çapraztropi (Ops tf, Logitlerden boolean, kayan etiket Düzgünleştirme, Azaltma azaltma)

Kayıp adı olarak getSimpleName() ve DEFAULT_AXIS kanal eksenini kullanarak kategorik bir çapraz entropi Kaybı oluşturur

Parametreler

TF	TensorFlow Operasyonları
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme	`[0, 1]` içinde kayan. `> 0` olduğunda etiket değerleri yumuşatılır, bu da etiket değerlerine olan güvenin gevşediği anlamına gelir. örneğin `x=0.2` etiket `0` için `0.1` ve etiket `1` için `0.9` değerini kullanacağımız anlamına gelir
kesinti	Zarara uygulanacak İndirim Türü.

genel Kategorik Çapraztropi (Ops tf, Dize adı, boolean fromLogits, kayan etiket Düzgünleştirme, Azaltma azaltma, int ekseni)

Kategorik bir çapraz entropi kaybı yaratır

Parametreler

TF	TensorFlow Operasyonları
isim	bu kaybın adı
itibarenLogits	Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
etiketDüzleştirme	`[0, 1]` içinde kayan. `> 0` olduğunda etiket değerleri yumuşatılır, bu da etiket değerlerine olan güvenin gevşediği anlamına gelir. örneğin `labelSmoothing=0.2` etiket `0` için `0.1` ve etiket `1` için `0.9` değerini kullanacağımız anlamına gelir
kesinti	Zarara uygulanacak İndirim Türü.
eksen	Kanal ekseni. `axis=-1` "Son Kanallar" veri formatına karşılık gelir ve `axis=1` "İlk Kanallar" veri formatına karşılık gelir. `CHANNELS_LAST` ve `CHANNELS_FIRST`

Atar

YasadışıTartışmaİstisna	labelSmoothing 0 - 1 aralığında değilse.

Genel Yöntemler

genel İşlenen <T> çağrısı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnek Ağırlıkları)

Kaybı hesaplayan bir İşlenen üretir.

Grafik modunda çalıştırılırsa, tahmin değerleri o [0.0] aralığının dışındaysa hesaplama TFInvalidArgumentException oluşturacaktır. 1'e.]. İstekli Modunda, eğer IllegalArgumentException değerleri o [0. 1'e.]

Parametreler

etiketler	doğruluk değerleri veya etiketleri
tahminler	Tahminler için değerler [0.0 aralığında olmalıdır. 1'e kadar.] dahil.
örnekAğırlıklar	İsteğe bağlı SampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. SampleWeights, [batch_size] boyutunda bir tensör ise, o zaman grubun her numunesi için toplam kayıp, SampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, SampleWeights'ın karşılık gelen değerine göre ölçeklendirilir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.)

İadeler

kayıp

Atar

YasadışıTartışmaİstisna	tahminler [0.-1.] aralığının dışındaysa.