CategoricalHinge

Bisagra categórica de clase pública

Calcula la pérdida de bisagra categórica entre etiquetas y predicciones.

loss = maximum(neg - pos + 1, 0) donde neg=maximum((1-labels)*predictions) y pos=sum(labels*predictions)

Se espera que los valores labels sean 0 o 1.

Uso independiente:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0, 1}, {0, 0} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    CategoricalHinge categoricalHinge = new CategoricalHinge(tf);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces 1.4
 

Llamar con peso de muestra:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1f, 0.f});
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions, sampleWeight);
    // produces 0.6f
 

Usando el tipo de reducción SUM :

    CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.SUM);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces 2.8f
 

Usando NONE tipo de reducción:

    CategoricalHinge categoricalHinge =
        new CategoricalHinge(tf, Reduction.NONE);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces [1.2f, 1.6f]
 

Campos heredados

De la clase org.tensorflow.framework.losses.Loss

Reducción final estática pública

REDUCCIÓN_DEFAULT

Constructores Públicos

	Bisagra categórica (Ops tf) Crea una pérdida de bisagra categórica utilizando getSimpleName() como nombre de la pérdida y una reducción de pérdida de REDUCTION_DEFAULT
	Bisagra categórica (Ops tf, reducción de reducción ) Crea una pérdida de bisagra categórica utilizando getSimpleName() como nombre de la pérdida.
	CategoricalHinge (Ops tf, nombre de cadena, reducción de reducción ) Crea una bisagra categórica

Métodos públicos

<T extiende TNumber > Operando <T>

llamada ( Operando <? extiende etiquetas TNumber >, predicciones de operando <T>, pesos de muestra de operando <T>) Genera un Operando que calcula la pérdida.

Métodos heredados

De la clase org.tensorflow.framework.losses.Loss

resumen <T extiende TNumber > Operando <T>	llamada ( Operando <? extiende etiquetas TNumber >, predicciones de operando <T>, pesos de muestra de operando <T>) Genera un Operando que calcula la pérdida.
<T extiende TNumber > Operando <T>	llamada ( Operando <? extiende etiquetas TNumber >, predicciones del Operando <T>) Calcula la perdida
Reducción	obtenerReducción () Obtiene la reducción de pérdidas.
operaciones	obtenerTF () Obtiene las operaciones de TensorFlow

De la clase java.lang.Object

booleano	es igual (Objeto arg0)
Clase final<?>	obtenerclase ()
En t	código hash ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cadena	Encadenar ()
vacío final	esperar (arg0 largo, int arg1)
vacío final	espera (arg0 largo)
vacío final	esperar ()

Constructores Públicos

Bisagra categórica pública (Ops tf)

Crea una pérdida de bisagra categórica utilizando getSimpleName() como nombre de la pérdida y una reducción de pérdida de REDUCTION_DEFAULT

Parámetros

tf	las operaciones de TensorFlow

Public CategoricalHinge (Ops tf, reducción de reducción )

Crea una pérdida de bisagra categórica utilizando getSimpleName() como nombre de la pérdida.

Parámetros

tf	las operaciones de TensorFlow
reducción	Tipo de Reducción a aplicar sobre la pérdida.

public CategoricalHinge (Ops tf, nombre de cadena, reducción de reducción )

Crea una bisagra categórica

Parámetros

tf	las operaciones de TensorFlow
nombre	el nombre de la perdida
reducción	Tipo de Reducción a aplicar sobre la pérdida.

Métodos públicos

Llamada pública al operando <T> ( el operando <? extiende las etiquetas TNumber >, las predicciones del operando <T>, los pesos de muestra del operando <T>)

Genera un Operando que calcula la pérdida.

Parámetros

etiquetas	los valores o etiquetas de verdad
predicciones	las predicciones
pesos de muestra	SampleWeights opcional actúa como un coeficiente de pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala según el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total de cada muestra del lote se vuelve a escalar mediante el elemento correspondiente en el vector SampleWeights. Si la forma de SampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala según el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1).

Devoluciones

• la pérdida