Hinge

Engsel kelas publik

Menghitung kerugian engsel antara label dan prediksi.

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

nilai labels diharapkan -1 atau 1. Jika label biner (0 atau 1) diberikan, label tersebut akan dikonversi ke -1 atau 1.

Penggunaan mandiri:

    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
 

Memanggil dengan berat sampel:

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

Menggunakan tipe pengurangan SUM :

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

Menggunakan tipe reduksi NONE :

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

Bidang Warisan

Dari kelas org.tensorflow.framework.losses.Loss

Pengurangan akhir statis publik

REDUCTION_DEFAULT

Konstruktor Publik

	Engsel (Ops tf) Membuat Kerugian Engsel menggunakan getSimpleName() sebagai nama kerugian dan Pengurangan Kerugian sebesar REDUCTION_DEFAULT
	Engsel (Ops tf, Reduksi reduksi) Membuat Kerugian Engsel menggunakan getSimpleName() sebagai nama kerugian
	Engsel (Ops tf, Nama string, Reduksi reduksi) Membuat Engsel

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 ()

Konstruktor Publik

Engsel publik (Ops tf)

Membuat Kerugian Engsel menggunakan getSimpleName() sebagai nama kerugian dan Pengurangan Kerugian sebesar REDUCTION_DEFAULT

Parameter

tf	Operasi TensorFlow

Engsel publik (Ops tf, Reduksi reduksi)

Membuat Kerugian Engsel menggunakan getSimpleName() sebagai nama kerugian

Parameter

tf	Operasi TensorFlow
pengurangan	Jenis Pengurangan yang diterapkan pada kerugian.

Engsel publik (Ops tf, Nama string, Reduksi reduksi)

Membuat Engsel

Parameter

tf	Operasi TensorFlow
nama	nama kerugiannya
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.

Jika dijalankan dalam mode Grafik, komputasi akan memunculkan TFInvalidArgumentException jika nilai label tidak ada dalam kumpulan [-1., 0., 1.]. Dalam Mode Eager, panggilan ini akan memunculkan IllegalArgumentException , jika nilai label tidak ada dalam set [-1., 0., 1.].

Parameter

label	nilai atau label kebenaran, harus berupa -1, 0, atau 1. Nilai yang diharapkan adalah -1 atau 1. Jika label biner (0 atau 1) diberikan, maka akan dikonversi ke -1 atau 1.
prediksi	prediksi, nilai harus berada dalam kisaran [0. ke 1.] inklusif.
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

Melempar

Pengecualian Argumen Ilegal	jika prediksi berada di luar rentang [0.-1.].