Hinge

ציר בכיתה ציבורית

מחשב את אובדן הציר בין תוויות ותחזיות.

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

ערכי labels צפויים להיות -1 או 1. אם יסופקו תוויות בינאריות (0 או 1), הן יומרו ל-1 או 1.

שימוש עצמאי:

    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
 

מתקשר עם משקל לדוגמה:

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

שימוש בסוג הפחתת SUM :

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

שימוש בסוג הפחתה NONE :

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

שדות בירושה

מכיתה org.tensorflow.framework.losses.Loss

הפחתה סופית סטטית ציבורית

REDUCTION_DEFAULT

בונים ציבוריים

	ציר (Ops tf) יוצר הפסד ציר באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT
	ציר (Ops tf, הפחתת הפחתה ) יוצר אובדן ציר באמצעות getSimpleName() כשם האובדן
	ציר (Ops tf, שם מחרוזת, הפחתת הפחתה ) יוצר ציר

שיטות ציבוריות

<T מרחיב את TNummer > Operand <T>

קריאה ( Operand <? מרחיב את התוויות של TNomber >, תחזיות Operand <T>, Oprand <T> sampleWeights) יוצר אופרנד שמחשב את ההפסד.

שיטות בירושה

מכיתה org.tensorflow.framework.losses.Loss

תקציר <T מרחיב את TNummer > Operand <T>	קריאה ( Operand <? מרחיב את התוויות של TNomber >, תחזיות Operand <T>, Oprand <T> sampleWeights) יוצר אופרנד שמחשב את ההפסד.
<T מרחיב את TNummer > Operand <T>	שיחה ( Oprand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>) מחשב את ההפסד
צִמצוּם	getReduction () מקבל את הפחתת ההפסד
אופס	getTF () מקבל את TensorFlow Ops

מכיתה java.lang.Object

בוליאני	שווה (Object arg0)
שיעור אחרון<?>	getClass ()
int	hashcode ()
ריק סופי	להודיע ​​()
ריק סופי	הודע הכל ()
חוּט	toString ()
ריק סופי	המתן (ארג0 ארוך, int arg1)
ריק סופי	חכה (ארג0 ארוך)
ריק סופי	חכה ()

בונים ציבוריים

ציר ציבורי (Ops tf)

יוצר הפסד ציר באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים

tf	ה- TensorFlow Ops

ציר ציבורי (Ops tf, הפחתת הפחתה )

יוצר אובדן ציר באמצעות getSimpleName() כשם האובדן

פרמטרים

tf	ה- TensorFlow Ops
צִמצוּם	סוג ההפחתה שיחול על ההפסד.

ציר ציבורי (Ops tf, שם מחרוזת, הפחתת צמצום )

יוצר ציר

פרמטרים

tf	ה- TensorFlow Ops
שֵׁם	שם האובדן
צִמצוּם	סוג ההפחתה שיחול על ההפסד.

שיטות ציבוריות

קריאת Operand <T> ציבורית ( Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Oprand <T> דוגמת משקלים)

יוצר אופרנד שמחשב את ההפסד.

אם ההפעלה במצב גרף, החישוב יזרוק TFInvalidArgumentException אם ערכי התווית אינם בקבוצה [-1., 0., 1.]. במצב Eager Mode, קריאה זו תזרוק את IllegalArgumentException , אם ערכי התווית אינם בקבוצה [-1., 0., 1.].

פרמטרים

תוויות	ערכי האמת או התוויות חייבים להיות -1, 0 או 1. הערכים צפויים להיות -1 או 1. אם יסופקו תוויות בינאריות (0 או 1), הם יומרו ל-1 או 1.
תחזיות	הערכים החיזויים חייבים להיות בטווח [0. עד 1.] כולל.
משקולות לדוגמה	SampleWeights אופציונליים פועלים כמקדם לאובדן. אם מסופק סקלר, אז ההפסד פשוט מוגדל לפי הערך הנתון. אם sampleWeights הוא טנסור בגודל [batch_size], אז ההפסד הכולל עבור כל דגימה של האצווה משתנה מחדש על ידי האלמנט המתאים בוקטור SampleWeights. אם הצורה של SampleWeights היא [batch_size, d0, ..dN-1] (או שניתן לשדר אותה לצורה זו), אז כל רכיב אובדן של חיזויים משתנה לפי הערך המתאים של SampleWeights. (הערה לגבי dN-1: כל פונקציות האובדן מצטמצמות בממד אחד, בדרך כלל ציר=-1.)

החזרות

• ההפסד

זורק

חריג טיעון לא חוקי	אם התחזיות הן מחוץ לטווח [0.-1.].