CategoricalHinge

classe pubblica CategoricalHinge

Calcola la perdita di cerniera categoriale tra etichette e previsioni.

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

i valori labels dovrebbero essere 0 o 1.

Utilizzo autonomo:

    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
 

Chiamata con peso campione:

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

Utilizzo del tipo di riduzione SUM :

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

Utilizzo del tipo di riduzione NONE :

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

Campi ereditati

Dalla classe org.tensorflow.framework.losses.Loss

Riduzione finale statica pubblica

REDUCTION_DEFAULT

Costruttori pubblici

	Cerniera categorica (Ops tf) Crea una perdita di cerniera categoriale utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT
	CategoricalHinge (Ops tf, Riduzione riduzione ) Crea una perdita cerniera categoriale utilizzando getSimpleName() come nome della perdita
	CategoricalHinge (Ops tf, Nome stringa, Riduzione riduzione) Crea un cardine categoriale

Metodi pubblici

<T estende TNumero > Operando <T>

chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights) Genera un operando che calcola la perdita.

Metodi ereditati

Dalla classe org.tensorflow.framework.losses.Loss

abstract <T estende TNumero > Operando <T>	chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights) Genera un operando che calcola la perdita.
<T estende TNumero > Operando <T>	chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni) Calcola la perdita
Riduzione	getRiduzione () Ottiene la riduzione delle perdite
Op	ottieni TF () Ottiene le operazioni TensorFlow

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Costruttori pubblici

public CategoricalHinge (Ops tf)

Crea una perdita di cerniera categoriale utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT

Parametri

tf	le operazioni TensorFlow

public CategoricalHinge (Ops tf, Riduzione riduzione )

Crea una perdita cerniera categoriale utilizzando getSimpleName() come nome della perdita

Parametri

tf	le operazioni TensorFlow
riduzione	Tipo di riduzione da applicare alla perdita.

public CategoricalHinge (Ops tf, Nome stringa, Riduzione riduzione)

Crea un cardine categoriale

Parametri

tf	le operazioni TensorFlow
nome	il nome della perdita
riduzione	Tipo di riduzione da applicare alla perdita.

Metodi pubblici

chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)

Genera un operando che calcola la perdita.

Parametri

etichette	i valori o le etichette di verità
predizioni	le previsioni
campionePesi	sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.)

ritorna

• la perdita