Hinge

کلاس عمومی لولا

افت لولا را بین برچسب ها و پیش بینی ها محاسبه می کند.

loss = maximum(1 - labels * predictions, 0) .

انتظار می رود مقادیر labels -1 یا 1 باشد. اگر برچسب های باینری (0 یا 1) ارائه شود، آنها به -1 یا 1 تبدیل می شوند.

استفاده مستقل:

    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
 

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = hingeLoss.call(labels, predictions, sampleWeight);
    // produces 0.55f
 

با استفاده از نوع کاهش SUM :

    Hinge hingeLoss = new Hinge(tf, Reduction.SUM);
    Operand<TFloat32> result = hingeLoss.call(labels, predictions);
    // produces 2.6f
 

با استفاده از نوع کاهش NONE :

    Hinge hingeLoss = new Hinge(tf, Reduction.NONE);
    Operand<TFloat32> result = hingeLoss.call(labels, predictions);
    // produces [1.1f, 1.5f]
 

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی

REDUCTION_DEFAULT

سازندگان عمومی

	لولا (Ops tf) با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک Loss ایجاد می کند.
	لولا (Ops tf، کاهش کاهش) با استفاده از getSimpleName() به عنوان نام ضرر یک لولای Loss ایجاد می کند
	لولا (Ops tf، نام رشته، کاهش کاهش) یک لولا 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 ()

سازندگان عمومی

لولا عمومی (Ops tf)

با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک Loss ایجاد می کند.

مولفه های

tf	TensorFlow Ops

لولا عمومی (Ops tf، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام ضرر یک لولای Loss ایجاد می کند

مولفه های

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال زیان.

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

یک لولا ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام باخت
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.

اگر در حالت Graph اجرا شود، اگر مقادیر برچسب در مجموعه [-1., 0., 1.] نباشند، محاسبه TFInvalidArgumentException را انجام می دهد. در حالت اشتیاق، اگر مقادیر برچسب در مجموعه [-1.، 0.، 1.] نباشند، این فراخوانی IllegalArgumentException را پرتاب می کند.

مولفه های

برچسب ها	مقادیر یا برچسب های صدق باید 1-، 0 یا 1 باشند. انتظار می رود مقادیر -1 یا 1 باشند. اگر برچسب های باینری (0 یا 1) ارائه شوند، به -1 یا 1 تبدیل می شوند.
پیش بینی ها	پیش بینی ها، مقادیر باید در محدوده [0. به 1.] شامل.
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 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

پرتاب می کند

IllegalArgumentException	اگر پیش بینی ها خارج از محدوده [0.-1.] باشد.