Tính toán tổn thất bản lề phân loại giữa nhãn và dự đoán.
loss = maximum(neg - pos + 1, 0)
trong đó neg=maximum((1-labels)*predictions)
và pos=sum(labels*predictions)
giá trị labels
dự kiến là 0 hoặc 1.
Cách sử dụng độc lập:
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
Gọi với trọng lượng mẫu:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1f, 0.f}); Operand<TFloat32> result = categoricalHinge.call(labels, predictions, sampleWeight); // produces 0.6f
Sử dụng loại giảm SUM
:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.SUM); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces 2.8f
Sử dụng loại giảm NONE
:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.NONE); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces [1.2f, 1.6f]
Trường kế thừa
Nhà xây dựng công cộng
Bản lề phân loại (Ops tf) Tạo Tổn thất bản lề phân loại bằng cách sử dụng getSimpleName() làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT | |
Bản lề phân loại (Ops tf, Giảm thiểu ) Tạo Mất bản lề phân loại bằng cách sử dụng getSimpleName() làm tên mất mát | |
Phương pháp công khai
<T mở rộng TNumber > Toán hạng <T> |
Phương pháp kế thừa
Nhà xây dựng công cộng
Bản lề phân loại công khai (Ops tf)
Tạo Tổn thất bản lề phân loại bằng cách sử dụng getSimpleName()
làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT
Thông số
tf | hoạt động của TensorFlow |
---|
bản lề phân loại công khai (Ops tf, Giảm thiểu )
Tạo Mất bản lề phân loại bằng cách sử dụng getSimpleName()
làm tên mất mát
Thông số
tf | hoạt động của TensorFlow |
---|---|
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
bản lề phân loại công khai (Ops tf, tên chuỗi, giảm thiểu )
Tạo bản lề phân loại
Thông số
tf | hoạt động của TensorFlow |
---|---|
tên | tên của sự mất mát |
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
Phương pháp công khai
lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)
Tạo một toán hạng tính toán tổn thất.
Thông số
nhãn | các giá trị thật hoặc nhãn |
---|---|
phỏng đoán | những dự đoán |
mẫuTrọng lượng | Khối lượng mẫu tùy chọn đóng vai trò như một hệ số tổn thất. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu SampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.) |
Trả lại
- sự mất mát