KLDivergence

lớp công khai KLPhân kỳ

Tính toán tổn thất phân kỳ Kullback-Leibler giữa nhãn và dự đoán.

loss = labels * log(labels / predictions)

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

Gọi với trọng lượng mẫu: 

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

Sử dụng loại giảm SUM : 

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

Sử dụng loại giảm NONE : 

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

Xem thêm

Trường kế thừa

Nhà xây dựng công cộng

KLD Phân kỳ (Ops tf)
Tạo Tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT
KLDPhân kỳ (Ops tf, Giảm mức giảm)
Tạo Tổn hao tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất
KLDivergence (Ops tf, Tên chuỗi, Giảm thiểu )
Tạo ra tổn thất phân kỳ Kullback Leibler

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

KLD phân kỳ công khai (Ops tf)

Tạo Tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT

Thông số
tf hoạt động của TensorFlow

KLDPhân kỳ công khai (Ops tf, Giảm mức giảm)

Tạo Tổn hao tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất

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

KLDivergence công khai (Ops tf, Tên chuỗi, Giảm mức giảm)

Tạo ra tổn thất phân kỳ Kullback Leibler

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.

Thông số
nhãn các giá trị thật hoặc nhãn
dự đoán những dự đoán
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 tensor 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