공개 클래스 CategoryicalHinge
라벨과 예측 간의 범주형 힌지 손실을 계산합니다.
loss = maximum(neg - pos + 1, 0)
여기서 neg=maximum((1-labels)*predictions)
및 pos=sum(labels*predictions)
labels
값은 0 또는 1이어야 합니다.
독립형 사용:
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
샘플 가중치로 호출:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1f, 0.f}); Operand<TFloat32> result = categoricalHinge.call(labels, predictions, sampleWeight); // produces 0.6f
SUM
감소 유형 사용:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.SUM); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces 2.8f
NONE
축소 유형 사용:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.NONE); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces [1.2f, 1.6f]
상속된 필드
공공 생성자
CategoricalHinge (Ops tf) getSimpleName() 손실 이름으로 사용하고 REDUCTION_DEFAULT 의 손실 감소를 사용하여 범주형 힌지 손실을 생성합니다. | |
공개 방법
<T는 T번호를 확장합니다. > 피연산자 <T> |
상속된 메서드
공공 생성자
공개 CategoricalHinge (Ops tf)
getSimpleName()
손실 이름으로 사용하고 REDUCTION_DEFAULT
의 손실 감소를 사용하여 범주형 힌지 손실을 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|
public CategoricalHinge (Ops tf, 감소 감소)
getSimpleName()
손실 이름으로 사용하여 범주형 힌지 손실을 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|---|
절감 | 손실에 적용할 감소 유형입니다. |
public CategoricalHinge (Ops tf, 문자열 이름, Reduction 감소)
범주형 힌지를 생성합니다.
매개변수
tf | TensorFlow 작업 |
---|---|
이름 | 손실의 이름 |
절감 | 손실에 적용할 감소 유형입니다. |
공개 방법
공개 피연산자 <T> 호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <T> 예측, 피연산자 <T> SampleWeights)
손실을 계산하는 피연산자를 생성합니다.
매개변수
라벨 | 진리값 또는 라벨 |
---|---|
예측 | 예측 |
샘플 가중치 | 선택적 SampleWeights는 손실에 대한 계수 역할을 합니다. 스칼라가 제공되면 손실은 단순히 주어진 값에 따라 조정됩니다. SampleWeights가 [batch_size] 크기의 텐서인 경우 배치의 각 샘플에 대한 총 손실은 SampleWeights 벡터의 해당 요소에 따라 크기가 조정됩니다. SampleWeights의 형태가 [batch_size, d0, .. dN-1]인 경우(또는 이 형태로 브로드캐스팅될 수 있음) 예측의 각 손실 요소는 SampleWeights의 해당 값에 따라 조정됩니다. (dN-1에 대한 참고 사항: 모든 손실 함수는 1차원으로 감소하며 일반적으로 축=-1입니다.) |
보고
- 손실