CosineSimilarity

CosineSimilarity kelas publik

Menghitung kemiripan kosinus antara label dan prediksi.

Perhatikan bahwa ini adalah angka antara -1 dan 1 . Jika angkanya negatif antara -1 dan 0 , 0 menunjukkan ortogonalitas dan nilai yang mendekati -1 menunjukkan kesamaan yang lebih besar. Nilai yang mendekati 1 menunjukkan ketidaksamaan yang lebih besar. Hal ini membuatnya dapat digunakan sebagai fungsi kerugian dalam pengaturan di mana Anda mencoba memaksimalkan kedekatan antara prediksi dan target. Jika labels atau predictions merupakan vektor nol, kesamaan kosinus akan menjadi 0 terlepas dari kedekatan antara prediksi dan target.

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

Penggunaan mandiri:

    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
 

Memanggil dengan berat sampel:

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

Menggunakan tipe pengurangan SUM :

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

Menggunakan tipe reduksi NONE :

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

Konstanta

ke dalam

DEFAULT_AXIS

Bidang

Pengurangan akhir statis publik

DEFAULT_REDUCTION

Bidang Warisan

Dari kelas org.tensorflow.framework.losses.Loss

Pengurangan akhir statis publik

REDUCTION_DEFAULT

Konstruktor Publik

	Kesamaan Kosinus (Ops tf) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, sumbu DEFAULT_AXIS , dan Pengurangan Kerugian DEFAULT_REDUCTION
	CosineSimilarity (Ops tf, Nama string) Membuat Kerugian Kesamaan Kosinus menggunakan sumbu DEFAULT_AXIS , dan Pengurangan Kerugian DEFAULT_REDUCTION
	Kesamaan Kosinus (Ops tf, int axis) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, dan Pengurangan Kerugian sebesar DEFAULT_REDUCTION
	Kesamaan Kosinus (Sumbu Ops tf, int[]) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, dan Pengurangan Kerugian sebesar DEFAULT_REDUCTION
	CosineSimilarity (Ops tf, Nama string, sumbu int) Membuat Kerugian Kesamaan Kosinus menggunakan Pengurangan Kerugian DEFAULT_REDUCTION
	CosineSimilarity (Ops tf, Nama string, sumbu int[]) Membuat Kerugian Kesamaan Kosinus menggunakan Pengurangan Kerugian DEFAULT_REDUCTION
	CosineSimilarity (Ops tf, Reduksi reduksi) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian dan sumbu DEFAULT_AXIS
	CosineSimilarity (Ops tf, Nama string, Reduksi reduksi) Membuat Kehilangan Kesamaan Kosinus menggunakan sumbu DEFAULT_AXIS
	CosineSimilarity (Ops tf, int axis, Reduksi reduksi) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian
	CosineSimilarity (Ops tf, int[] axis, Reduksi reduksi) Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian
	CosineSimilarity (Ops tf, Nama string, sumbu int, Reduksi reduksi) Menciptakan Kerugian Kesamaan Kosinus
	CosineSimilarity (Ops tf, Nama string, sumbu int[], Reduksi reduksi) Menciptakan Kerugian Kesamaan Kosinus

Metode Publik

<T memperluas TNomber > Operan <T>

panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>, Operand <T> sampleWeights) Menghasilkan Operan yang menghitung kerugian.

Metode Warisan

Dari kelas org.tensorflow.framework.losses.Loss

abstrak <T extends TNumber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>, Operand <T> sampleWeights) Menghasilkan Operan yang menghitung kerugian.
<T memperluas TNomber > Operan <T>	panggilan ( Operand <? extends TNumber > label, prediksi Operand <T>) Menghitung kerugiannya
Pengurangan	dapatkan Pengurangan () Mendapatkan pengurangan kerugian
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	beri tahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Konstanta

int akhir statis publik DEFAULT_AXIS

Nilai Konstan: -1

Bidang

Pengurangan final statis publik DEFAULT_REDUCTION

Konstruktor Publik

Kesamaan Kosinus publik (Ops tf)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, sumbu DEFAULT_AXIS , dan Pengurangan Kerugian DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow

CosineSimilarity publik (Ops tf, Nama string)

Membuat Kerugian Kesamaan Kosinus menggunakan sumbu DEFAULT_AXIS , dan Pengurangan Kerugian DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya

CosineSimilarity publik (Ops tf, int axis)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, dan Pengurangan Kerugian sebesar DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow
sumbu	Dimensi di mana kesamaan kosinus dihitung.

CosineSimilarity publik (Ops tf, int[] sumbu)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian, dan Pengurangan Kerugian sebesar DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow
sumbu	Dimensi di mana kesamaan kosinus dihitung.

CosineSimilarity publik (Ops tf, Nama string, sumbu int)

Membuat Kerugian Kesamaan Kosinus menggunakan Pengurangan Kerugian DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
sumbu	Dimensi di mana kesamaan kosinus dihitung.

CosineSimilarity publik (Ops tf, nama String, sumbu int[])

Membuat Kerugian Kesamaan Kosinus menggunakan Pengurangan Kerugian DEFAULT_REDUCTION

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
sumbu	Dimensi di mana kesamaan kosinus dihitung.

public CosineSimilarity (Ops tf, Pengurangan pengurangan)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian dan sumbu DEFAULT_AXIS

Parameter

tf	Operasi TensorFlow
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

CosineSimilarity publik (Ops tf, Nama string, Pengurangan pengurangan)

Membuat Kehilangan Kesamaan Kosinus menggunakan sumbu DEFAULT_AXIS

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

public CosineSimilarity (Ops tf, int axis, Reduksi reduksi)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian

Parameter

tf	Operasi TensorFlow
sumbu	Dimensi di mana kesamaan kosinus dihitung.
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

public CosineSimilarity (Ops tf, int[] axis, Pengurangan pengurangan)

Membuat Kerugian Kesamaan Kosinus menggunakan getSimpleName() sebagai nama kerugian

Parameter

tf	Operasi TensorFlow
sumbu	Dimensi di mana kesamaan kosinus dihitung.
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

public CosineSimilarity (Ops tf, Nama string, sumbu int, Reduksi reduksi)

Menciptakan Kerugian Kesamaan Kosinus

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
sumbu	Dimensi di mana kesamaan kosinus dihitung.
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

public CosineSimilarity (Ops tf, Nama string, sumbu int[], Pengurangan pengurangan)

Menciptakan Kerugian Kesamaan Kosinus

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
sumbu	Dimensi di mana kesamaan kosinus dihitung.
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

Metode Publik

panggilan Operand <T> publik ( label Operand <? extends TNumber >, prediksi Operand <T>, Operand <T> sampleWeights)

Menghasilkan Operan yang menghitung kerugian.

Parameter

label	nilai atau label kebenaran
prediksi	prediksi
sampelBerat	SampleWeights opsional bertindak sebagai koefisien kerugian. Jika skalar disediakan, maka kerugiannya hanya diskalakan dengan nilai yang diberikan. Jika SampleWeights adalah tensor dengan ukuran [batch_size], maka total kerugian untuk setiap sampel batch akan diubah skalanya dengan elemen yang sesuai dalam vektor SampleWeights. Jika bentuk SampleWeights adalah [batch_size, d0, .. dN-1] (atau dapat disiarkan ke bentuk ini), maka setiap elemen prediksi yang hilang akan diskalakan dengan nilai SampleWeights yang sesuai. (Catatan pada dN-1: semua fungsi kerugian berkurang 1 dimensi, biasanya sumbu=-1.)

Kembali

• kerugiannya