এই পৃষ্ঠাটি Cloud Translation API অনুবাদ করেছে।

Losses

পাবলিক ক্লাস লোকসান

অন্তর্নির্মিত ক্ষতি ফাংশন.

ধ্রুবক

int	CHANNELS_FIRST
int	CHANNELS_LAST
ভাসা	এপিসিলন	ডিফল্ট ফাজ ফ্যাক্টর।

পাবলিক কনস্ট্রাক্টর

ক্ষতি ()

পাবলিক পদ্ধতি

স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	binaryCrossentropy (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> ভবিষ্যদ্বাণী, লগিট থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বাইনারি ক্রসেন্ট্রপি ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	শ্রেণীগত ক্রসসেনট্রপি (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> ভবিষ্যদ্বাণী, লগিট থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, int অক্ষ) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	শ্রেণীগত হিঞ্জ (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে শ্রেণীগত কব্জা ক্ষতি গণনা করে৷
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	কোসাইন সাদৃশ্য (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, int[] অক্ষ) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে কোসাইন সাদৃশ্য ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	কব্জা (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে কব্জা ক্ষতি গণনা করে৷ `loss = reduceMean(maximum(1 - labels * predictions, 0))`
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	huber (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, ফ্লোট ডেল্টা) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে Huber ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	kullbackLeiblerDivergence (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে Kullback-Leibler ডাইভারজেন্স ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	l2 স্বাভাবিক করা (Ops tf, Operand <T> x, int[] অক্ষ) একটি L2 আদর্শ ব্যবহার করে মাত্রা অক্ষ বরাবর স্বাভাবিককরণ করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	logCosh (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে হাইপারবোলিক কোসাইন ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	meanAbsoluteError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় পরম ত্রুটি গণনা করে৷
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	meanAbsolutePercentageError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় পরম শতাংশ ত্রুটি গণনা করে৷
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	meanSquaredError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় বর্গক্ষেত্র ত্রুটি গণনা করে৷
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	meanSquaredLogarithmicError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় বর্গযুক্ত লগারিদমিক ত্রুটি গণনা করে৷
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	poisson (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে পয়সন ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	sparseCategoricalCrossentropy (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> ভবিষ্যদ্বাণী, লগিট থেকে বুলিয়ান, int অক্ষ) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বিক্ষিপ্ত শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি গণনা করে।
স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে	squaredHinge (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস) লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বর্গক্ষেত্র কব্জা ক্ষতি গণনা করে৷

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

java.lang.Object ক্লাস থেকে

বুলিয়ান	সমান (অবজেক্ট arg0)
চূড়ান্ত ক্লাস<?>	getClass ()
int	হ্যাশকোড ()
চূড়ান্ত শূন্যতা	অবহিত করুন ()
চূড়ান্ত শূন্যতা	সকলকে অবহিত করুন ()
স্ট্রিং	toString ()
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0, int arg1)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন ()

ধ্রুবক

CHANNELS_FIRST int পাবলিক স্ট্যাটিক ফাইনাল

ধ্রুবক মান: 1

CHANNELS_LAST int পাবলিক স্ট্যাটিক ফাইনাল

ধ্রুবক মান: -1

পাবলিক স্ট্যাটিক ফাইনাল ফ্লোট EPSILON

ডিফল্ট ফাজ ফ্যাক্টর।

ধ্রুবক মান: 1.0E-7

পাবলিক কনস্ট্রাক্টর

জনসাধারণের ক্ষতি ()

পাবলিক পদ্ধতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> বাইনারি ক্রসেনট্রপি (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> ভবিষ্যদ্বাণী, লগিট থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বাইনারি ক্রসেন্ট্রপি ক্ষতি গণনা করে।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	পরিসরে একটি সংখ্যা [0, 1]। যখন 0, কোন মসৃণতা ঘটে না। যখন > 0, ভবিষ্যদ্বাণী করা লেবেল এবং সত্যিকারের লেবেলগুলির একটি মসৃণ সংস্করণের মধ্যে ক্ষতি গণনা করুন, যেখানে মসৃণকরণ লেবেলগুলিকে 0.5 এর দিকে চেপে ধরে৷ লেবেল স্মুথিংয়ের বড় মানগুলি ভারী স্মুথিংয়ের সাথে মিলে যায়।

রিটার্নস

বাইনারি ক্রসেন্ট্রপি ক্ষতি।

পাবলিক স্ট্যাটিক অপারেন্ড <T> শ্রেণীগত ক্রসসেনট্রপি (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, বুলিয়ান ফ্রম লজিট, ফ্লোট লেবেল স্মুথিং, int অক্ষ)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি গণনা করে।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী
লগিট থেকে	লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা
লেবেল স্মুথিং	`[0, 1]` এ ভাসা। যখন `> 0` , লেবেল মান মসৃণ করা হয়, মানে লেবেল মানগুলির উপর আস্থা শিথিল হয়। যেমন `labelSmoothing=0.2` মানে আমরা লেবেল `0` এর জন্য `0.1` এবং লেবেল `1` এর জন্য `0.9` এর মান ব্যবহার করব
অক্ষ	দ

রিটার্নস

শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি।

পাবলিক স্ট্যাটিক অপারেন্ড <T> শ্রেণীগত হিঞ্জ (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে শ্রেণীগত কব্জা ক্ষতি গণনা করে৷

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	প্রকৃত লক্ষ্য, মান 0 বা 1 হবে বলে আশা করা হচ্ছে।
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

স্পষ্ট কবজা ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> কোসাইন সাদৃশ্য (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, int[] অক্ষ)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে কোসাইন সাদৃশ্য ক্ষতি গণনা করে।

উল্লেখ্য যে এটি -1 এবং 1 এর মধ্যে একটি সংখ্যা, যা কোসাইন সাদৃশ্যের গাণিতিক সংজ্ঞা থেকে ভিন্ন যেখানে 1 অনুরূপ ভেক্টরকে প্রতিনিধিত্ব করে এবং 0 ভিন্ন ভেক্টরকে প্রতিনিধিত্ব করে। এই ফাংশনে, সংখ্যাগুলি -1 থেকে 1 এর পরিসরে উল্টানো হয়। যখন এটি -1 এবং 0 এর মধ্যে একটি ঋণাত্মক সংখ্যা হয়, 0 অর্থোগোনালিটি নির্দেশ করে এবং -1 এর কাছাকাছি মানগুলি বৃহত্তর সাদৃশ্য নির্দেশ করে। 1 এর কাছাকাছি মানগুলি বৃহত্তর বৈষম্য নির্দেশ করে। এটি একটি সেটিংয়ে ক্ষতির ফাংশন হিসাবে এটিকে ব্যবহারযোগ্য করে তোলে যেখানে আপনি ভবিষ্যদ্বাণী এবং লক্ষ্যগুলির মধ্যে নৈকট্য বাড়ানোর চেষ্টা করেন৷ যদি লেবেল বা ভবিষ্যদ্বাণী একটি শূন্য ভেক্টর হয়, তাহলে ভবিষ্যদ্বাণী এবং লক্ষ্যগুলির মধ্যে প্রক্সিমিটি নির্বিশেষে কোসাইন সাদৃশ্য 0 হবে।

loss = -sum(l2Norm(labels) * l2Norm(predictions))

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী
অক্ষ	অক্ষ যার সাথে সাদৃশ্য নির্ধারণ করতে হবে।

রিটার্নস

কোসাইন সাদৃশ্য ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> কব্জা (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে কব্জা ক্ষতি গণনা করে৷

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

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য, মানগুলি -1 বা 1 হতে প্রত্যাশিত৷ যদি বাইনারি (0 বা 1) লেবেলগুলি প্রদান করা হয়, তবে সেগুলি -1 বা 1-এ রূপান্তরিত হবে৷
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

কবজা ক্ষতি

পাবলিক স্ট্যাটিক Operand <T> huber (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস, ফ্লোট ডেল্টা)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে Huber ক্ষতি গণনা করে।

প্রতিটি মানের জন্য x ত্রুটিতে = লেবেল - পূর্বাভাস:

     loss = 0.5 * x^2                  if |x| <= d
     loss = 0.5 * d^2 + d * (|x| - d)  if |x| > d

যেখানে d হল ব-দ্বীপ।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী
ডেল্টা	বিন্দু যেখানে Huber ক্ষতি ফাংশন দ্বিঘাত থেকে রৈখিক পরিবর্তিত হয়।

রিটার্নস

হুবারের ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> kullbackLeiblerDivergence (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে Kullback-Leibler ডাইভারজেন্স ক্ষতি গণনা করে।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

Kullback-Leibler ডাইভারজেন্স ক্ষতি

এছাড়াও দেখুন

কুলব্যাক?লেইব্লার ডাইভারজেন্স

পাবলিক স্ট্যাটিক অপারেন্ড <T> l2 নরমালাইজ (Ops tf, Operand <T> x, int[] অক্ষ)

একটি L2 আদর্শ ব্যবহার করে মাত্রা অক্ষ বরাবর স্বাভাবিককরণ করে।

পরামিতি

tf	টেনসরফ্লো অপস
x	ইনপুট
অক্ষ	মাত্রা যা বরাবর স্বাভাবিককরণ।

রিটার্নস

L2 আদর্শের উপর ভিত্তি করে স্বাভাবিক মান

পাবলিক স্ট্যাটিক অপারেন্ড <T> logCosh (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে হাইপারবোলিক কোসাইন ক্ষতি গণনা করে।

log(cosh(x)) ছোট x এর জন্য প্রায় (x ** 2) / 2 এর সমান এবং বড় x এর জন্য abs(x) - log(2) এর সমান। এর মানে হল যে 'logCosh' বেশিরভাগই গড় স্কোয়ারড ত্রুটির মতো কাজ করে, কিন্তু মাঝে মাঝে ভুল ভবিষ্যদ্বাণী দ্বারা এতটা দৃঢ়ভাবে প্রভাবিত হবে না।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

হাইপারবোলিক কোসাইন ডাইভারজেন্স ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> মানেAbsoluteError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় পরম ত্রুটি গণনা করে৷

loss = reduceMean(abs(labels - predictions))

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

গড় পরম ত্রুটি

পাবলিক স্ট্যাটিক অপারেন্ড <T> মানেAbsolutePercentageError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় পরম শতাংশ ত্রুটি গণনা করে৷

loss = 100 * reduceMean(abs((labels - predictions) / labels))

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

গড় পরম শতাংশ ত্রুটি

পাবলিক স্ট্যাটিক অপারেন্ড <T> মানে স্কয়ারড ত্রুটি (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় বর্গক্ষেত্র ত্রুটি গণনা করে৷

loss = reduceMean(square(labels - predictions))

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

গড় বর্গাকার ত্রুটি

পাবলিক স্ট্যাটিক অপারেন্ড <T> মানেSquaredLogarithmicError (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে গড় বর্গযুক্ত লগারিদমিক ত্রুটি গণনা করে৷

loss = reduceMean(square(log(labels + 1) - log(predictions + 1)))

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

গড় বর্গ লগারিদমিক শতাংশ ত্রুটি

পাবলিক স্ট্যাটিক অপারেন্ড <T> বিষ (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে পয়সন ক্ষতি গণনা করে।

পয়সন ক্ষতি হল টেনসর predictions - labels * log(predictions) ।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

বিষের ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> sparseCategoricalCrossentropy (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> ভবিষ্যদ্বাণী, Logits থেকে বুলিয়ান, int অক্ষ)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বিক্ষিপ্ত শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি গণনা করে।

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী
লগিট থেকে	ভবিষ্যদ্বাণীগুলি লজিট হতে প্রত্যাশিত কিনা৷ ডিফল্টরূপে, এটি অনুমান করা হয় যে পূর্বাভাস একটি সম্ভাব্যতা বন্টন এনকোড করে।
অক্ষ	যে মাত্রার সাথে এনট্রপি গণনা করা হয়।

রিটার্নস

বিক্ষিপ্ত শ্রেণীবদ্ধ ক্রসেন্ট্রপি ক্ষতি

পাবলিক স্ট্যাটিক অপারেন্ড <T> স্কয়ারডহিঞ্জ (Ops tf, Operand <? প্রসারিত TNumber > লেবেল, Operand <T> পূর্বাভাস)

লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে বর্গক্ষেত্র কব্জা ক্ষতি গণনা করে৷

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

পরামিতি

tf	টেনসরফ্লো অপস
লেবেল	সত্যিকারের লক্ষ্য, মানগুলি -1 বা 1 হতে প্রত্যাশিত৷ যদি বাইনারি (0 বা 1) লেবেল * প্রদান করা হয়, তবে সেগুলি -1 বা 1-এ রূপান্তরিত হবে৷
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

বর্গক্ষেত্র কব্জা ক্ষতি