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
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> |
Kalıtsal Yöntemler
Sabitler
genel statik final int DEFAULT_AXIS
genel statik son boolean FROM_LOGITS_DEFAULT
genel statik son kayan nokta LABEL_SMOOTHING_DEFAULT
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. |
---|