CosineSimilarity

ความคล้ายคลึงกันของโคไซน์คลาส สาธารณะ

คำนวณความคล้ายคลึงโคไซน์ระหว่างป้ายกำกับและการทำนาย

โปรดทราบว่าเป็นตัวเลขระหว่าง -1 ถึง 1 เมื่อเป็นจำนวนลบระหว่าง -1 ถึง 0 0 จะบ่งบอกถึงความตั้งฉาก และค่าที่ใกล้กับ -1 จะบ่งบอกถึงความคล้ายคลึงกันมากขึ้น ค่าที่ใกล้กับ 1 แสดงถึงความแตกต่างที่มากขึ้น ซึ่งทำให้สามารถใช้เป็นฟังก์ชันการสูญเสียในการตั้งค่าที่คุณพยายามเพิ่มความใกล้เคียงระหว่างการคาดการณ์และเป้าหมายให้สูงสุด หาก labels หรือ predictions เป็นเวกเตอร์เป็นศูนย์ ความคล้ายคลึงของโคไซน์จะเป็น 0 โดยไม่คำนึงถึงระยะห่างระหว่างการทำนายและเป้าหมาย

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

การใช้งานแบบสแตนด์อโลน:

    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
 

การโทรด้วยน้ำหนักตัวอย่าง:

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

การใช้ประเภทการลด SUM :

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

การใช้ประเภทการลด NONE :

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

ค่าคงที่

ภายใน

DEFAULT_AXIS

เขตข้อมูล

การลด ขั้นสุดท้ายแบบคงที่สาธารณะ

DEFAULT_REDUCTION

ฟิลด์ที่สืบทอดมา

จากคลาส org.tensorflow.framework.losses.Loss

การลด ขั้นสุดท้ายแบบคงที่สาธารณะ

ลด_ค่าเริ่มต้น

คอนสตรัคชั่นสาธารณะ

	ความคล้ายคลึงโคไซน์ (Ops tf) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย แกนของ DEFAULT_AXIS และการลดการสูญเสียของ DEFAULT_REDUCTION
	โคไซน์คล้ายคลึงกัน (Ops tf ชื่อสตริง) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้แกน DEFAULT_AXIS และการลดการสูญเสีย DEFAULT_REDUCTION
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, แกน int) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และการลดการสูญเสีย DEFAULT_REDUCTION
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, int[] แกน) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และการลดการสูญเสีย DEFAULT_REDUCTION
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, ชื่อสตริง, แกน int) สร้างการสูญเสียความคล้ายคลึงของโคไซน์โดยใช้การลดการสูญเสีย DEFAULT_REDUCTION
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, ชื่อสตริง, แกน int[]) สร้างการสูญเสียความคล้ายคลึงของโคไซน์โดยใช้การลดการสูญเสีย DEFAULT_REDUCTION
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, การ ลดลง) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสียและแกนของ DEFAULT_AXIS
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, ชื่อสตริง, การลด การลดลง ) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้แกน DEFAULT_AXIS
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, แกน int, การ ลดการลดลง) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, แกน int[], การลด การลดลง ) สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, ชื่อสตริง, แกน int, การลดการลดลง ) สร้างการสูญเสียความคล้ายคลึงโคไซน์
	ความคล้ายคลึงกันของโคไซน์ (Ops tf, ชื่อสตริง, แกน int[], การลดการลดลง ) สร้างการสูญเสียความคล้ายคลึงโคไซน์

วิธีการสาธารณะ

<T ขยาย TNumber > ตัวถูกดำเนินการ <T>

โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก) สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

วิธีการสืบทอด

จากคลาส org.tensorflow.framework.losses.Loss

บทคัดย่อ <T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดคะเน, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก) สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย
<T ขยาย TNumber > ตัวถูกดำเนินการ <T>	โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์) คำนวณการสูญเสีย
การลดน้อยลง	ได้รับการลด () ได้รับการลดการสูญเสีย
ปฏิบัติการ	getTF () รับ Ops TensorFlow

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

ค่าคงที่

สาธารณะคงสุดท้าย int DEFAULT_AXIS

ค่าคงที่: -1

เขตข้อมูล

การลดขั้น สุดท้ายแบบคงที่สาธารณะ DEFAULT_REDUCTION

คอนสตรัคชั่นสาธารณะ

CosineSimilarity สาธารณะ (Ops tf)

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย แกนของ DEFAULT_AXIS และการลดการสูญเสียของ DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow

CosineSimilarity สาธารณะ (Ops tf ชื่อสตริง)

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้แกน DEFAULT_AXIS และการลดการสูญเสีย DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย

ความคล้ายคลึงกันของโคไซน์ สาธารณะ (Ops tf, แกน int)

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และการลดการสูญเสีย DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์

ความคล้ายคลึงกันของโคไซน์ สาธารณะ (Ops tf, แกน int [])

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย และการลดการสูญเสีย DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์

CosineSimilarity สาธารณะ (Ops tf, ชื่อสตริง, แกน int)

สร้างการสูญเสียความคล้ายคลึงของโคไซน์โดยใช้การลดการสูญเสีย DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์

CosineSimilarity สาธารณะ (Ops tf, ชื่อสตริง, แกน int [])

สร้างการสูญเสียความคล้ายคลึงของโคไซน์โดยใช้การลดการสูญเสีย DEFAULT_REDUCTION

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์

ความคล้ายคลึงกันของโคไซน์ สาธารณะ (Ops tf, การลด การลดลง )

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสียและแกนของ DEFAULT_AXIS

พารามิเตอร์

ไม่	Ops ของ TensorFlow
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

CosineSimilarity สาธารณะ (Ops tf, ชื่อสตริง, การ ลดการลด)

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้แกน DEFAULT_AXIS

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

ความคล้ายคลึงกันของโคไซน์ สาธารณะ (Ops tf, แกน int, การลดการ ลดลง)

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย

พารามิเตอร์

ไม่	Ops ของ TensorFlow
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

ความคล้ายคลึงกันของโคไซน์ สาธารณะ (Ops tf, แกน int [], การลด การลดลง )

สร้างการสูญเสียความคล้ายคลึงโคไซน์โดยใช้ getSimpleName() เป็นชื่อการสูญเสีย

พารามิเตอร์

ไม่	Ops ของ TensorFlow
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

CosineSimilarity สาธารณะ (Ops tf, ชื่อสตริง, แกน int, การลดการลด ลง)

สร้างการสูญเสียความคล้ายคลึงโคไซน์

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

CosineSimilarity สาธารณะ (Ops tf, ชื่อสตริง, แกน int [], การลด การลดลง)

สร้างการสูญเสียความคล้ายคลึงโคไซน์

พารามิเตอร์

ไม่	Ops ของ TensorFlow
ชื่อ	ชื่อของการสูญเสีย
แกน	มิติที่ใช้คำนวณความคล้ายคลึงของโคไซน์
การลดน้อยลง	ประเภทของส่วนลดที่จะใช้กับการสูญเสีย

วิธีการสาธารณะ

ตัวดำเนินการ สาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <T> การคาดการณ์, ตัวดำเนินการ <T> ตัวอย่างน้ำหนัก)

สร้างตัวถูกดำเนินการที่คำนวณการสูญเสีย

พารามิเตอร์

ฉลาก	ค่าความจริงหรือป้ายกำกับ
การคาดการณ์	การคาดการณ์
ตัวอย่างน้ำหนัก	SampleWeights ที่เป็นตัวเลือกจะทำหน้าที่เป็นสัมประสิทธิ์การสูญเสีย หากมีการระบุสเกลาร์ การสูญเสียก็จะถูกปรับขนาดตามค่าที่กำหนด หาก SampleWeights เป็นเทนเซอร์ที่มีขนาด [batch_size] ค่าที่สูญเสียทั้งหมดสำหรับแต่ละตัวอย่างในแบตช์จะถูกปรับขนาดใหม่โดยองค์ประกอบที่เกี่ยวข้องในเวกเตอร์ SampleWeights หากรูปร่างของ SampleWeights คือ [batch_size, d0, .. dN-1] (หรือสามารถถ่ายทอดไปยังรูปร่างนี้ได้) ดังนั้น องค์ประกอบที่สูญเสียแต่ละรายการของการคาดการณ์จะถูกปรับขนาดตามค่าที่สอดคล้องกันของ SampleWeights (หมายเหตุสำหรับ dN-1: ฟังก์ชันการสูญเสียทั้งหมดลดลง 1 มิติ โดยปกติจะเป็นแกน=-1)

การส่งคืน

• การสูญเสีย