Hinge

bản lề lớp công cộng

Tính toán tổn thất bản lề giữa nhãn và dự đoán.

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

giá trị labels dự kiến ​​là -1 hoặc 1. Nếu nhãn nhị phân (0 hoặc 1) được cung cấp, chúng sẽ được chuyển đổi thành -1 hoặc 1.

Cách sử dụng độc lập: 

    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

Gọi với trọng lượng mẫu: 

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

Sử dụng loại giảm SUM : 

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

Sử dụng loại giảm NONE : 

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

Trường kế thừa

Nhà xây dựng công cộng

Bản lề (Ops tf)
Tạo Mất bản lề bằng cách sử dụng getSimpleName() làm tên mất mát và Giảm tổn thất là REDUCTION_DEFAULT
Bản lề (Ops tf, Giảm thiểu )
Tạo Mất bản lề bằng cách sử dụng getSimpleName() làm tên mất
Bản lề (Ops tf, Tên chuỗi, Giảm thiểu)
Tạo bản lề

Phương pháp công khai

<T mở rộng TNumber > Toán hạng <T>
gọi ( Toán hạng <? mở rộng TNumber > nhãn, dự đoán Toán hạng <T>, Trọng lượng mẫu Toán hạng <T>)
Tạo một toán hạng tính toán tổn thất.

Phương pháp kế thừa

Nhà xây dựng công cộng

Bản lề công cộng (Ops tf)

Tạo Mất bản lề bằng cách sử dụng getSimpleName() làm tên mất mát và Giảm tổn thất là REDUCTION_DEFAULT

Thông số
tf hoạt động của TensorFlow

Bản lề công cộng (Ops tf, Giảm thiểu )

Tạo Mất bản lề bằng cách sử dụng getSimpleName() làm tên mất

Thông số
tf hoạt động của TensorFlow
sự giảm bớt Loại Giảm áp dụng cho tổn thất.

Bản lề công khai (Ops tf, Tên chuỗi, Giảm thiểu )

Tạo bản lề

Thông số
tf hoạt động của TensorFlow
tên tên của sự mất mát
sự giảm bớt Loại Giảm áp dụng cho tổn thất.

Phương pháp công khai

lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)

Tạo một toán hạng tính toán tổn thất.

Nếu chạy ở chế độ Biểu đồ, quá trình tính toán sẽ đưa ra TFInvalidArgumentException nếu các giá trị nhãn không nằm trong tập hợp [-1., 0., 1.]. Trong Chế độ háo hức, lệnh gọi này sẽ đưa ra IllegalArgumentException , nếu các giá trị nhãn không nằm trong tập hợp [-1., 0., 1.].

Thông số
nhãn giá trị thực hoặc nhãn phải là -1, 0 hoặc 1. Giá trị dự kiến ​​là -1 hoặc 1. Nếu nhãn nhị phân (0 hoặc 1) được cung cấp, chúng sẽ được chuyển đổi thành -1 hoặc 1.
phỏng đoán các dự đoán, các giá trị phải nằm trong khoảng [0. đến 1.] bao gồm.
mẫuTrọng lượng Khối lượng mẫu tùy chọn đóng vai trò như một hệ số tổn thất. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu sampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.)
Trả lại
  • sự mất mát
Ném
Ngoại lệ Đối số bất hợp pháp nếu dự đoán nằm ngoài phạm vi [0.-1.].