TensorFlow חוזר ל-Google I/O ב-14 במאי! הירשם עכשיו

דף זה תורגם על ידי Cloud Translation API.

Losses

הפסדים במעמד הציבורי

פונקציות אובדן מובנות.

קבועים

int	CHANNELS_FIRST
int	CHANNELS_LAST
לָצוּף	אפסילון	ברירת המחדל של גורם Fuzz.

בונים ציבוריים

הפסדים ()

שיטות ציבוריות

סטטי <T מרחיב TNummer > Operand <T>	binaryCrossentropy (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, בוליאני מLogits, float labelSmoothing) מחשב את אובדן הקרוסנטרופיה הבינארית בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	categoricalCrossentropy (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, בוליאני מLogits, תווית ציפהSmoothing, int axis) מחשב את אובדן ה-crossentropy הקטגורי בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	categoricalHinge (Ops tf, Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>) מחשב את אובדן הציר הקטגורי בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	cosineSimilarity (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, ציר int[]) מחשב את אובדן הדמיון הקוסינוס בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	ציר (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>) מחשב את אובדן הציר בין תוויות ותחזיות `loss = reduceMean(maximum(1 - labels * predictions, 0))`
סטטי <T מרחיב TNummer > Operand <T>	huber (Ops tf, Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Float Delta) מחשב את אובדן הובר בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	kullbackLeiblerDivergence (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>) מחשב את אובדן סטיית ה-Kullback-Leibler בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	l2Normalize (Ops tf, Operand <T> x, int[] ציר) מנרמל לאורך ציר הממד באמצעות נורמה L2.
סטטי <T מרחיב TNummer > Operand <T>	logCosh (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>) מחשב את אובדן הקוסינוס ההיפרבולי בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	meanAbsoluteError (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>) מחשב את השגיאה המוחלטת הממוצעת בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	meanAbsolutePercentageError (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>) מחשב את השגיאה הממוצעת באחוז המוחלט בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	meanSquaredError (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>) מחשב את השגיאה הממוצעת בריבוע בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	meanSquaredLogarithmicError (Ops tf, Operand <? מרחיב את Tnumber > תוויות, תחזיות Operand <T>) מחשב את השגיאה הלוגריתמית הממוצעת בריבוע בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	poisson (Ops tf, Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>) מחשב את אובדן Poisson בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	sparseCategoricalCrossentropy (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, בוליאני מLogits, ציר int) מחשב את אובדן ההצלבה הקטגורי הדליל בין תוויות ותחזיות.
סטטי <T מרחיב TNummer > Operand <T>	squaredHinge (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>) מחשב את אובדן הציר בריבוע בין תוויות ותחזיות.

שיטות בירושה

מכיתה java.lang.Object

בוליאני	שווה (Object arg0)
שיעור אחרון<?>	getClass ()
int	hashcode ()
ריק סופי	להודיע ()
ריק סופי	הודע הכל ()
חוּט	toString ()
ריק סופי	המתן (ארג0 ארוך, int arg1)
ריק סופי	חכה (ארג0 ארוך)
ריק סופי	חכה ()

קבועים

גמר סטטי ציבורי אינט CHANNELS_FIRST

ערך קבוע: 1

ציבורי סטטי גמר אינט CHANNELS_LAST

ערך קבוע: -1

ציפה סופית סטטית ציבורית EPSILON

ברירת המחדל של גורם Fuzz.

ערך קבוע: 1.0E-7

בונים ציבוריים

הפסדים ציבוריים ()

שיטות ציבוריות

Public static Operand <T> binaryCrossentropy (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, בוליאני מLogits, float labelSmoothing)

מחשב את אובדן הקרוסנטרופיה הבינארית בין תוויות ותחזיות.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות
מLogits	האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה	מספר בטווח [0, 1]. כאשר 0, לא מתרחשת החלקה. כאשר > 0, חשב את ההפסד בין התוויות החזויות לגרסה מוחלקת של התוויות האמיתיות, כאשר ההחלקה לוחצת את התוויות לכיוון 0.5. ערכים גדולים יותר של LabelSmoothing תואמים להחלקה כבדה יותר.

החזרות

אובדן הקרוסנטרופיה הבינארית.

Public static Operand <T> categoricalCrossentropy (Ops tf, Operand <? מרחיב את TNumber > תוויות, תחזיות Operand <T>, בוליאני מLogits, float labelSmoothing, int axis)

מחשב את אובדן ה-crossentropy הקטגורי בין תוויות ותחזיות.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות
מLogits	האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה	צף פנימה `[0, 1]` . כאשר `> 0` , ערכי התווית מוחלקים, כלומר האמון על ערכי התווית נרגע. למשל `labelSmoothing=0.2` אומר שנשתמש בערך של `0.1` עבור תווית `0` ו `0.9` עבור תווית `1`
צִיר	ה

החזרות

אובדן הקרוסנטרופיה הקטגורי.

ציבורי סטטי Operand <T> categoricalHinge (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את אובדן הציר הקטגורי בין תוויות ותחזיות.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	יעדים אמיתיים, הערכים צפויים להיות 0 או 1.
תחזיות	את התחזיות

החזרות

אובדן הציר הקטגורי

ציבורי סטטי Operand <T> cosineSimilarity (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>, ציר int[])

מחשב את אובדן הדמיון הקוסינוס בין תוויות ותחזיות.

שימו לב שזהו מספר בין -1 ל 1 , השונה מההגדרה המתמטית של דמיון קוסינוס שבו 1 מייצג וקטורים דומים, ו 0 מייצג וקטורים לא דומים. בפונקציה זו, המספרים הופכים בטווח של -1 עד 1 . כאשר מדובר במספר שלילי בין -1 ל 0 , 0 מציין אורתוגונליות וערכים קרובים יותר ל -1 מצביעים על דמיון רב יותר. הערכים הקרובים יותר ל 1 מצביעים על אי דמיון רב יותר. זה הופך אותו לשימוש כפונקציית אובדן בסביבה שבה אתה מנסה למקסם את הקרבה בין התחזיות והיעדים. אם התוויות או התחזיות הן וקטור אפס, הדמיון הקוסינוס יהיה 0 ללא קשר לקרבה בין התחזיות והמטרות.

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

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות
צִיר	ציר שלאורכו ניתן לקבוע דמיון.

החזרות

אובדן הדמיון הקוסינוס

ציר Operand <T> סטטי ציבורי (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את אובדן הציר בין תוויות ותחזיות

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

פרמטרים

tf	ה- TensorFlow Ops
תוויות	יעדים אמיתיים, הערכים צפויים להיות -1 או 1. אם יסופקו תוויות בינאריות (0 או 1), הן יומרו ל-1 או 1.
תחזיות	את התחזיות

החזרות

אובדן הציר

רכזת Operand <T> סטטית ציבורית (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>, דלתא לצוף)

מחשב את אובדן הובר בין תוויות ותחזיות.

עבור כל ערך x בשגיאה = תוויות - תחזיות:

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

כאשר d הוא דלתא.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות
דֶלתָא	הנקודה שבה פונקציית האובדן של Huber משתנה ממרובע לליניארי.

החזרות

ההפסד של הובר

Operand סטטי ציבורי <T> kullbackLeiblerDivergence (Ops tf, Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>)

מחשב את אובדן סטיית ה-Kullback-Leibler בין תוויות ותחזיות.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות

החזרות

הפסד ההסתייגות של קולבק-לייבלר

ראה גם

הסתייגות לייבלר

ציבורי סטטי Operand <T> l2Normalize (Ops tf, Operand <T> x, int[] ציר)

מנרמל לאורך ציר הממד באמצעות נורמה L2.

פרמטרים

tf	The TensorFlow Ops
איקס	הקלט
צִיר	מימד שלאורכו לנרמל.

החזרות

הערכים המנורמלים מבוססים על נורמת L2

Operand <T> logCosh סטטי ציבורי (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את אובדן הקוסינוס ההיפרבולי בין תוויות ותחזיות.

log(cosh(x)) שווה בערך ל- (x ** 2) / 2 עבור x קטן ול- abs(x) - log(2) עבור x גדול. המשמעות היא ש-'logCosh' עובד בעיקר כמו השגיאה הממוצעת בריבוע, אבל לא יושפע כל כך חזק מחיזוי שגוי מדי פעם.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות

החזרות

אובדן סטיית הקוסינוס ההיפרבולית

Public static Operand <T> meanAbsoluteError (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את השגיאה המוחלטת הממוצעת בין תוויות ותחזיות.

loss = reduceMean(abs(labels - predictions))

פרמטרים

tf	The TensorFlow Ops
תוויות	התוויות
תחזיות	את התחזיות

החזרות

השגיאה המוחלטת הממוצעת

Operand סטטי ציבורי <T> meanAbsolutePercentageError (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את השגיאה הממוצעת באחוז המוחלט בין תוויות ותחזיות.

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

פרמטרים

tf	The TensorFlow Ops
תוויות	התוויות
תחזיות	את התחזיות

החזרות

אחוז השגיאה המוחלט הממוצע

Public static Operand <T> meanSquaredError (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את השגיאה הממוצעת בריבוע בין תוויות ותחזיות.

loss = reduceMean(square(labels - predictions))

פרמטרים

tf	The TensorFlow Ops
תוויות	התוויות
תחזיות	את התחזיות

החזרות

השגיאה הממוצעת בריבוע

Public static Operand <T> meanSquaredLogarithmicError (Ops tf, Operand <? מרחיב Tnumber > תוויות, תחזיות Operand <T>)

מחשב את השגיאה הלוגריתמית הממוצעת בריבוע בין תוויות ותחזיות.

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

פרמטרים

tf	The TensorFlow Ops
תוויות	התוויות
תחזיות	את התחזיות

החזרות

השגיאה הממוצעת של האחוז הלוגריתמי בריבוע

פומבי סטטי Operand <T> poisson (Ops tf, Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>)

מחשב את אובדן Poisson בין תוויות ותחזיות.

הפסד ה-Poisson הוא הממוצע של המרכיבים של predictions - labels * log(predictions) .

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות

החזרות

ההפסד של פויסון

Public static Operand <T> sparseCategoricalCrossentropy (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>, בוליאני מLogits, ציר int)

מחשב את אובדן ההצלבה הקטגורי הדליל בין תוויות ותחזיות.

פרמטרים

tf	ה- TensorFlow Ops
תוויות	מטרות אמיתיות
תחזיות	את התחזיות
מLogits	האם התחזיות צפויות להיות לוגיטים. כברירת מחדל, ההנחה היא שהתחזיות מקודדות התפלגות הסתברות.
צִיר	הממד שלאורכו מחושבת האנטרופיה.

החזרות

אובדן הקרוסנטרופיה הקטגורי הדליל

Operand סטטי ציבורי <T> squaredHinge (Ops tf, Operand <? מרחיב את התוויות TNumber >, תחזיות Operand <T>)

מחשב את אובדן הציר בריבוע בין תוויות ותחזיות.

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

פרמטרים

tf	ה- TensorFlow Ops
תוויות	יעדים אמיתיים, הערכים צפויים להיות -1 או 1. אם תוויות בינאריות (0 או 1) מסופקות *, הן יומרו ל-1 או 1.
תחזיות	את התחזיות

החזרות

אובדן הציר בריבוע