این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

KLDivergence

کلاس عمومی KLDvergence

افت واگرایی Kullback-Leibler را بین برچسب ها و پیش بینی ها محاسبه می کند.

loss = labels * log(labels / predictions)

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} });
    KLDivergence kld = new KLDivergence(tf);
    Operand<TFloat32> result = kld.call(labels, predictions);
    // produces 0.458

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.8f, 0.2f});
    Operand<TFloat32> result = kld.call(labels, predictions, sampleWeight);
    // produces 0.366f

با استفاده از نوع کاهش SUM :

    KLDivergence kld = new KLDivergence(tf, Reduction.SUM);
    Operand<TFloat32> result = kld.call(labels, predictions);
    // produces 0.916f

استفاده از نوع کاهش NONE :

    KLDivergence kld = new KLDivergence(tf, Reduction.NONE);
    Operand<TFloat32> result = kld.call(labels, predictions);
    // produces [0.916f, -3.08e-06f]

همچنین ببینید

کول بک؟ واگرایی لایبلر

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی REDUCTION_DEFAULT

سازندگان عمومی

	KLDvergence (Ops tf) با استفاده از `getSimpleName()` به عنوان نام ضرر و کاهش ضرر `REDUCTION_DEFAULT` ، یک ضرر واگرایی Kullback Leibler ایجاد می کند.
	KLDvergence (Ops tf، کاهش کاهش) با استفاده از `getSimpleName()` به عنوان نام ضرر یک Kullback Leibler Divergence Loss ایجاد می کند.
	KLDvergence (Ops tf، نام رشته، کاهش کاهش) یک ضرر واگرایی Kullback Leibler 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	کد هش ()
باطل نهایی	اطلاع رسانی ()
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

عمومی KLDvergence (Ops tf)

با استفاده از getSimpleName() به عنوان نام ضرر و کاهش ضرر REDUCTION_DEFAULT ، یک ضرر واگرایی Kullback Leibler ایجاد می کند.

پارامترها

tf	TensorFlow Ops

همگرایی عمومی KLD (Ops tf، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام ضرر یک Kullback Leibler Divergence Loss ایجاد می کند.

پارامترها

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال زیان.

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

یک ضرر واگرایی Kullback Leibler ایجاد می کند

پارامترها

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.

پارامترها

برچسب ها	ارزش ها یا برچسب های حقیقت
پیش بینی ها	پیش بینی ها
وزن های 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 با 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