লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে কব্জা ক্ষতি গণনা করে৷
loss = maximum(1 - labels * predictions, 0)
।
labels
মানগুলি -1 বা 1 হবে বলে আশা করা হচ্ছে৷ যদি বাইনারি (0 বা 1) লেবেলগুলি প্রদান করা হয় তবে সেগুলি -1 বা 1-এ রূপান্তরিত হবে৷
স্বতন্ত্র ব্যবহার:
Operand<TFloat32> labels = tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} }); Operand<TFloat32> predictions = tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} }); Hinge hingeLoss = new Hinge(tf); Operand<TFloat32> result = hingeLoss.call(labels, predictions); // produces 1.3f
নমুনা ওজন সহ কল করা:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f}); Operand<TFloat32> result = hingeLoss.call(labels, predictions, sampleWeight); // produces 0.55f
SUM
হ্রাস প্রকার ব্যবহার করে:
Hinge hingeLoss = new Hinge(tf, Reduction.SUM); Operand<TFloat32> result = hingeLoss.call(labels, predictions); // produces 2.6f
NONE
হ্রাস প্রকার ব্যবহার করে:
Hinge hingeLoss = new Hinge(tf, Reduction.NONE); Operand<TFloat32> result = hingeLoss.call(labels, predictions); // produces [1.1f, 1.5f]
উত্তরাধিকারসূত্রে প্রাপ্ত ক্ষেত্র
পাবলিক কনস্ট্রাক্টর
কবজা (Ops tf) getSimpleName() ক্ষতির নাম হিসাবে ব্যবহার করে একটি কব্জা ক্ষতি তৈরি করে এবং REDUCTION_DEFAULT এর ক্ষতি হ্রাস করে | |
পাবলিক পদ্ধতি
<T TNumber > Operand <T> প্রসারিত করে |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক কনস্ট্রাক্টর
পাবলিক কবজা (Ops tf)
getSimpleName()
ক্ষতির নাম হিসাবে ব্যবহার করে একটি কব্জা ক্ষতি তৈরি করে এবং REDUCTION_DEFAULT
এর ক্ষতি হ্রাস করে
পরামিতি
tf | টেনসরফ্লো অপস |
---|
পাবলিক কবজা (Ops tf, হ্রাস হ্রাস)
লস নাম হিসাবে getSimpleName()
ব্যবহার করে একটি কব্জা ক্ষতি তৈরি করে
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
হ্রাস | ক্ষতির জন্য প্রয়োগ করার জন্য হ্রাসের প্রকার। |
পাবলিক কবজা (Ops tf, স্ট্রিং নাম, হ্রাস হ্রাস)
একটি কবজা তৈরি করে
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
নাম | ক্ষতির নাম |
হ্রাস | ক্ষতির জন্য প্রয়োগ করার জন্য হ্রাসের প্রকার। |
পাবলিক পদ্ধতি
সর্বজনীন অপারেন্ড <T> কল ( Operand <? TNumber > লেবেল প্রসারিত করে, Operand <T> পূর্বাভাস, Operand <T> নমুনা ওজন)
একটি অপারেন্ড তৈরি করে যা ক্ষতি গণনা করে।
গ্রাফ মোডে চালানো হলে, লেবেল মান সেটে না থাকলে গণনা TFInvalidArgumentException
নিক্ষেপ করবে [-1., 0., 1.]। Aager মোডে, এই কলটি IllegalArgumentException
নিক্ষেপ করবে, যদি লেবেলের মান সেটে না থাকে [-1., 0., 1.]।
পরামিতি
লেবেল | সত্য মান বা লেবেল, হয় -1, 0, বা 1 হতে হবে। মানগুলি -1 বা 1 হবে বলে আশা করা হচ্ছে। যদি বাইনারি (0 বা 1) লেবেলগুলি প্রদান করা হয় তবে সেগুলি -1 বা 1-এ রূপান্তরিত হবে। |
---|---|
ভবিষ্যদ্বাণী | ভবিষ্যদ্বাণী, মান অবশ্যই পরিসরে হতে হবে [0. to 1.] inclusive. |
নমুনা ওজন | ঐচ্ছিক নমুনা ওজন ক্ষতির জন্য একটি সহগ হিসাবে কাজ করে। যদি একটি স্কেলার প্রদান করা হয়, তাহলে ক্ষতি শুধুমাত্র প্রদত্ত মান দ্বারা স্কেল করা হয়। যদি স্যাম্পলওয়েটস আকারের একটি টেনসর হয় [ব্যাচ_সাইজ], তবে ব্যাচের প্রতিটি নমুনার জন্য মোট ক্ষতি নমুনা ওয়েটস ভেক্টরের সংশ্লিষ্ট উপাদান দ্বারা পুনরায় স্কেল করা হয়। যদি নমুনা ওজনের আকৃতি হয় [batch_size, d0, .. dN-1] (অথবা এই আকারে সম্প্রচার করা যেতে পারে), তাহলে ভবিষ্যদ্বাণীর প্রতিটি ক্ষতির উপাদান নমুনা ওজনের সংশ্লিষ্ট মান দ্বারা স্কেল করা হয়। (dN-1-এ দ্রষ্টব্য: সমস্ত ক্ষতি ফাংশন 1 মাত্রা দ্বারা হ্রাস পায়, সাধারণত অক্ষ =-1।) |
রিটার্নস
- ক্ষতি
নিক্ষেপ করে
অবৈধ আর্গুমেন্ট ব্যতিক্রম | যদি পূর্বাভাস সীমার বাইরে হয় [0.-1.]। |
---|