CategoricalHinge

کلاس عمومی CategoryHinge

تلفات لولای طبقه بندی شده بین برچسب ها و پیش بینی ها را محاسبه می کند.

loss = maximum(neg - pos + 1, 0) که در آن neg=maximum((1-labels)*predictions) و pos=sum(labels*predictions)

انتظار می رود مقادیر labels 0 یا 1 باشد.

استفاده مستقل:

    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
 

تماس با وزن نمونه:

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

با استفاده از نوع کاهش SUM :

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

با استفاده از نوع کاهش NONE :

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

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی

REDUCTION_DEFAULT

سازندگان عمومی

	CategoryHinge (Ops tf) با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک Loss دسته بندی لولا ایجاد می کند.
	CategoryHinge (Ops tf، کاهش کاهش) با استفاده از getSimpleName() به عنوان نام ضرر، یک Loss دسته بندی لولا ایجاد می کند
	CategoricalHinge (Ops tf، نام رشته، کاهش کاهش) یک لولای دسته بندی ایجاد می کند

روش های عمومی

<T TNumber > عملوند <T> را گسترش می دهد

فراخوانی ( عملوند <? TNumber > برچسب‌ها را گسترش می‌دهد، پیش‌بینی‌های عملوند <T>، نمونه وزن‌های عملوند <T>) یک عملوند تولید می کند که ضرر را محاسبه می کند.

روش های ارثی

از کلاس org.tensorflow.framework.losses.loss

چکیده <T TNumber > عملوند <T> را گسترش می دهد	فراخوانی ( عملوند <? TNumber > برچسب‌ها را گسترش می‌دهد، پیش‌بینی‌های عملوند <T>، نمونه وزن‌های عملوند <T>) یک عملوند تولید می کند که ضرر را محاسبه می کند.
<T TNumber > عملوند <T> را گسترش می دهد	فراخوانی ( عملوند <? TNumber > برچسب ها را گسترش می دهد، پیش بینی های عملوند <T>) ضرر را محاسبه می کند
کاهش	دریافت کاهش () کاهش ضرر را دریافت می کند
عملیات	getTF () TensorFlow Ops را دریافت می کند

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

سازندگان عمومی

دسته بندی عمومی (Ops tf)

با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک Loss دسته بندی لولا ایجاد می کند.

مولفه های

tf	TensorFlow Ops

دسته بندی عمومی (Ops tf، کاهش کاهش )

با استفاده از getSimpleName() به عنوان نام ضرر، یک Loss دسته بندی لولا ایجاد می کند

مولفه های

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال زیان.

عمومی CategoricalHinge (Ops tf، نام رشته، کاهش کاهش )

یک لولای دسته بندی ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
کاهش	نوع کاهش برای اعمال زیان.

روش های عمومی

فراخوان عمومی Operand <T> ( Operand <? TNumber > برچسب ها را گسترش می دهد، پیش بینی های Operand <T>، Operand <T> sampleWeights)

یک عملوند تولید می کند که ضرر را محاسبه می کند.

مولفه های

برچسب ها	ارزش ها یا برچسب های حقیقت
پیش بینی ها	پیش بینی ها
وزن نمونه	نمونه اختیاری Weights به عنوان ضریب ضرر عمل می کند. اگر یک اسکالر ارائه شود، ضرر به سادگی با مقدار داده شده مقیاس می شود. اگر SampleWeights یک تانسور با اندازه [batch_size] باشد، آنگاه تلفات کل برای هر نمونه از دسته توسط عنصر مربوطه در بردار SampleWeights مجدداً مقیاس می‌شود. اگر شکل SampleWeights [batch_size, d0, .. dN-1] باشد (یا می تواند به این شکل پخش شود)، آنگاه هر عنصر از دست دادن پیش بینی با مقدار مربوط به SampleWeights مقیاس می شود. (توجه به dN-1: تمام توابع تلفات 1 بعد کاهش می یابد، معمولاً محور =-1.)

برمی گرداند

• از دست دادن