این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

CosineSimilarity

کلاس عمومی CosineSimilarity

شباهت کسینوس بین برچسب ها و پیش بینی ها را محاسبه می کند.

توجه داشته باشید که عددی بین -1 و 1 است. هنگامی که عددی بین -1 و 0 منفی است، 0 نشان دهنده متعامد بودن و مقادیر نزدیک به -1 نشان دهنده شباهت بیشتر است. مقادیر نزدیک به 1 نشان دهنده عدم تشابه بیشتر است. این باعث می شود که آن را به عنوان یک تابع ضرر در تنظیماتی که سعی می کنید نزدیکی بین پیش بینی ها و اهداف را به حداکثر برسانید، قابل استفاده است. اگر هر یک از labels یا predictions بردار صفر باشد، شباهت کسینوس بدون توجه به نزدیکی بین پیش بینی ها و اهداف 0 خواهد بود.

loss = -sum(l2Norm(labels) * l2Norm(predictions))

استفاده مستقل:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {1.f, 1.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 0.f}, {1.f, 1.f} });
    CosineSimilarity cosineLoss = new CosineSimilarity(tf);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces -0.5

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.8f, 0.2f});
    Operand<TFloat32> result = cosineLoss.call(labels, predictions, sampleWeight);
    // produces -0.0999f

با استفاده از نوع کاهش SUM :

    CosineSimilarity cosineLoss = new CosineSimilarity(tf, Reduction.SUM);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces -0.999f

با استفاده از نوع کاهش NONE :

    CosineSimilarity cosineLoss = new CosineSimilarity(tf, Reduction.NONE);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces [-0.f, -0.999f]

ثابت ها

بین المللی DEFAULT_AXIS

زمینه های

کاهش نهایی استاتیک عمومی DEFAULT_REDUCTION

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی REDUCTION_DEFAULT

سازندگان عمومی

	CosineSimilarity (Ops tf) با استفاده از `getSimpleName()` به عنوان نام فقدان، محور `DEFAULT_AXIS` و کاهش تلفات `DEFAULT_REDUCTION` یک افت شباهت کسینوس ایجاد می کند.
	CosineSimilarity (Ops tf، نام رشته) با استفاده از محور `DEFAULT_AXIS` ، یک تلفات شباهت کسینوس و کاهش تلفات `DEFAULT_REDUCTION` ایجاد می کند.
	CosineSimilarity (Ops tf، int axis) با استفاده از `getSimpleName()` به عنوان نام ضرر، و کاهش تلفات `DEFAULT_REDUCTION` یک افت شباهت کسینوس ایجاد می کند.
	CosineSimilarity (Ops tf، int[] محور) با استفاده از `getSimpleName()` به عنوان نام ضرر، و کاهش تلفات `DEFAULT_REDUCTION` یک افت شباهت کسینوس ایجاد می کند.
	CosineSimilarity (Ops tf، نام رشته، محور int) با استفاده از کاهش تلفات `DEFAULT_REDUCTION` ، افت تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، نام رشته، محور int[]) با استفاده از کاهش تلفات `DEFAULT_REDUCTION` ، افت تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، کاهش کاهش) با استفاده از `getSimpleName()` به عنوان نام فقدان و محور `DEFAULT_AXIS` یک فقدان تشابه کسینوس ایجاد می کند.
	CosineSimilarity (Ops tf، نام رشته، کاهش کاهش) با استفاده از محور `DEFAULT_AXIS` یک افت تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، int axis، Reduction Reduction) با استفاده از `getSimpleName()` به عنوان نام ضرر، یک فقدان تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، محور int[]، کاهش کاهش) با استفاده از `getSimpleName()` به عنوان نام ضرر، یک فقدان تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، نام رشته، محور int، کاهش کاهش) یک افت تشابه کسینوس ایجاد می کند
	CosineSimilarity (Ops tf، نام رشته، محور int[]، کاهش کاهش) یک افت تشابه کسینوس 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 ()

ثابت ها

عمومی استاتیک نهایی int DEFAULT_AXIS

مقدار ثابت: -1

زمینه های

کاهش نهایی ثابت عمومی DEFAULT_REDUCTION

سازندگان عمومی

همسانی عمومی (Ops tf)

با استفاده از getSimpleName() به عنوان نام فقدان، محور DEFAULT_AXIS و کاهش تلفات DEFAULT_REDUCTION یک افت شباهت کسینوس ایجاد می کند.

مولفه های

tf	TensorFlow Ops

عمومی CosineSimilarity (Ops tf، نام رشته)

با استفاده از محور DEFAULT_AXIS ، یک تلفات شباهت کسینوس و کاهش تلفات DEFAULT_REDUCTION ایجاد می کند.

مولفه های

tf	TensorFlow Ops
نام	نام باخت

همسانی عمومی (Ops tf، int axis)

با استفاده از getSimpleName() به عنوان نام ضرر، و کاهش تلفات DEFAULT_REDUCTION یک افت شباهت کسینوس ایجاد می کند.

مولفه های

tf	TensorFlow Ops
محور	بعد که شباهت کسینوس در آن محاسبه می شود.

همسانی عمومی (Ops tf، int[] محور)

با استفاده از getSimpleName() به عنوان نام ضرر، و کاهش تلفات DEFAULT_REDUCTION یک افت شباهت کسینوس ایجاد می کند.

مولفه های

tf	TensorFlow Ops
محور	بعد که شباهت کسینوس در آن محاسبه می شود.

عمومی CosineSimilarity (Ops tf، نام رشته، محور int)

با استفاده از کاهش تلفات DEFAULT_REDUCTION ، افت تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
محور	بعد که شباهت کسینوس در آن محاسبه می شود.

عمومی CosineSimilarity (Ops tf، نام رشته، محور int[])

با استفاده از کاهش تلفات DEFAULT_REDUCTION ، افت تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
محور	بعد که شباهت کسینوس در آن محاسبه می شود.

همسانی عمومی (Ops tf، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام فقدان و محور DEFAULT_AXIS یک فقدان تشابه کسینوس ایجاد می کند.

مولفه های

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال زیان.

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

با استفاده از محور DEFAULT_AXIS یک افت تشابه کسینوس ایجاد می کند

مولفه های

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

همسانی عمومی (Ops tf، محور int، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام ضرر، یک فقدان تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
محور	بعد که شباهت کسینوس در آن محاسبه می شود.
کاهش	نوع کاهش برای اعمال زیان.

همسانی عمومی (Ops tf، int[] محور، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام ضرر، یک فقدان تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
محور	بعد که شباهت کسینوس در آن محاسبه می شود.
کاهش	نوع کاهش برای اعمال زیان.

عمومی CosineSimilarity (Ops tf، نام رشته، محور int، کاهش کاهش)

یک افت تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
محور	بعد که شباهت کسینوس در آن محاسبه می شود.
کاهش	نوع کاهش برای اعمال زیان.

عمومی CosineSimilarity (Ops tf، نام رشته، محور int[]، کاهش کاهش)

یک افت تشابه کسینوس ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
محور	بعد که شباهت کسینوس در آن محاسبه می شود.
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