LogCosh

کلاس عمومی LogCosh

محاسبه لگاریتم کسینوس هذلولی خطای پیش‌بینی را محاسبه می‌کند.

logcosh = log((exp(x) + exp(-x))/2) که x predictions - labels .

استفاده مستقل:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 1.f}, {0.f, 0.f} });
    LogCosh logcosh = new LogCosh(tf);
    Operand<TFloat32> result = logcosh.call(labels, predictions);
    // produces 0.108
 

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.8f, 0.2f});
    Operand<TFloat32> result = logcosh.call(labels, predictions, sampleWeight);
    // produces 0.087f
 

با استفاده از نوع کاهش SUM :

    LogCosh logcosh = new LogCosh(tf, Reduction.SUM);
    Operand<TFloat32> result = logcosh.call(labels, predictions);
    // produces 0.217f
 

با استفاده از نوع کاهش NONE :

    LogCosh logcosh = new LogCosh(tf, Reduction.NONE);
    Operand<TFloat32> result = logcosh.call(labels, predictions);
    // produces [0.217f, 0f]
 

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی

REDUCTION_DEFAULT

سازندگان عمومی

	LogCosh (Ops tf) یک LogCosh Loss با استفاده از getSimpleName() به عنوان نام ضرر و کاهش ضرر REDUCTION_DEFAULT ایجاد می کند.
	LogCosh (Ops tf، نام رشته) با استفاده از کاهش ضرر REDUCTION_DEFAULT یک LogCosh Loss ایجاد می کند
	LogCosh (Ops tf، کاهش کاهش) یک LogCosh Loss با استفاده از getSimpleName() به عنوان نام ضرر ایجاد می کند
	LogCosh (Ops tf، نام رشته، کاهش کاهش) LogCosh Loss 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	هش کد ()
باطل نهایی	اعلام کردن ()
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 LogCosh (Ops tf)

یک LogCosh Loss با استفاده از getSimpleName() به عنوان نام ضرر و کاهش ضرر REDUCTION_DEFAULT ایجاد می کند.

مولفه های

tf	TensorFlow Ops

عمومی LogCosh (Ops tf، نام رشته)

با استفاده از کاهش ضرر REDUCTION_DEFAULT یک LogCosh Loss ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام ضرر، اگر null باشد، از getSimpleName() استفاده می شود.

عمومی LogCosh (Ops tf، کاهش کاهش)

یک LogCosh Loss با استفاده از getSimpleName() به عنوان نام ضرر ایجاد می کند

مولفه های

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال زیان.

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

LogCosh Loss ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام ضرر، اگر null باشد، از getSimpleName() استفاده می شود.
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.

مولفه های

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