লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে ক্রসেন্ট্রপি ক্ষতি গণনা করে।
দুই বা ততোধিক লেবেল ক্লাস থাকলে এই ক্রসসেনট্রপি লস ফাংশনটি ব্যবহার করুন। লেবেল পূর্ণসংখ্যা হিসাবে প্রদান করা হবে বলে আশা করা হচ্ছে. আপনি যদি one-hot
রিপ্রেজেন্টেশন ব্যবহার করে লেবেল প্রদান করতে চান, অনুগ্রহ করে CategoricalCrossentropy
লস ব্যবহার করুন। predictions
জন্য বৈশিষ্ট্য প্রতি # classes
ফ্লোটিং পয়েন্ট মান এবং label
জন্য বৈশিষ্ট্য প্রতি একটি একক ফ্লোটিং পয়েন্ট মান থাকতে হবে।
নীচের স্নিপেটে, labels
জন্য উদাহরণ প্রতি একটি একক ফ্লোটিং পয়েন্ট মান এবং predictions
জন্য উদাহরণ প্রতি # classes
ফ্লোটিং পয়েন্টিং মান রয়েছে। labels
আকৃতি হল [batch_size]
এবং predictions
আকৃতি হল [batch_size, num_classes]
।
স্বতন্ত্র ব্যবহার:
Operand<TFloat32> labels = tf.constant(new float[] {1, 2}); Operand<TFloat32> predictions = tf.constant(new float[][] { {0.05f, 0.95f, 0f}, {0.1f, 0.8f, 0.1f} }); SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 1.177f
নমুনা ওজন সহ কলিং:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight); // produces 0.814f
SUM
হ্রাসের ধরন ব্যবহার করা:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 2.354f
NONE
রিডাকশন টাইপ ব্যবহার করা:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces [0.0513f, 2.303f]
ধ্রুবক
int | AXIS_DEFAULT | |
বুলিয়ান | FROM_LOGITS_DEFAULT |
উত্তরাধিকারসূত্রে প্রাপ্ত ক্ষেত্র
পাবলিক কনস্ট্রাক্টর
স্পার্স ক্যাটাগরিকাল ক্রসেনট্রপি (অপস টিএফ) লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে, REDUCTION_DEFAULT এর ক্ষতি হ্রাস এবং fromLogits= FROM_LOGITS_DEFAULT । | |
SparseCategoricalCrossentropy (Ops tf, স্ট্রিং নাম) REDUCTION_DEFAULT , এবং fromLogits= FROM_LOGITS_DEFAULT এর ক্ষতি হ্রাস ব্যবহার করে একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি ক্ষতি তৈরি করে। | |
SparseCategoricalCrossentropy (Ops tf, হ্রাস হ্রাস) Reduction.AUTO এবং fromLogits= FROM_LOGITS_DEFAULT সহ, লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে। | |
SparseCategoricalCrossentropy (Ops tf, স্ট্রিং নাম, হ্রাস হ্রাস) Reduction.AUTO এবং fromLogits= FROM_LOGITS_DEFAULT সহ একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি ক্ষতি তৈরি করে। | |
SparseCategoricalCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান) REDUCTION_DEFAULT এবং fromLogits= FROM_LOGITS_DEFAULT এর ক্ষতি হ্রাস ব্যবহার করে একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি তৈরি করে। | |
SparseCategoricalCrossentropy (Ops tf, Logits থেকে বুলিয়ান) লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে, REDUCTION_DEFAULT এর ক্ষতি হ্রাস এবং fromLogits= FROM_LOGITS_DEFAULT । | |
SparseCategoricalCrossentropy (Ops tf, Logits থেকে বুলিয়ান, হ্রাস হ্রাস) লস নাম হিসাবে getSimpleName() ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে, | |
SparseCategoricalCrossentropy (Ops tf, স্ট্রিং নাম, Logits থেকে বুলিয়ান, হ্রাস হ্রাস, int অক্ষ) একটি SparseCategoricalCrossentropy তৈরি করে |
পাবলিক পদ্ধতি
<T TNumber > Operand <T> প্রসারিত করে |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
AXIS_DEFAULT int পাবলিক স্ট্যাটিক ফাইনাল
পাবলিক স্ট্যাটিক ফাইনাল বুলিয়ান FROM_LOGITS_DEFAULT
পাবলিক কনস্ট্রাক্টর
পাবলিক স্পার্স ক্যাটাগরিকাল ক্রসেনট্রপি (অপস টিএফ)
লস নাম হিসাবে getSimpleName()
ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে, REDUCTION_DEFAULT
এর ক্ষতি হ্রাস এবং fromLogits= FROM_LOGITS_DEFAULT
।
পরামিতি
tf | টেনসরফ্লো অপস |
---|
পাবলিক স্পার্স ক্যাটেগরিক্যাল ক্রসেনট্রপি (অপস টিএফ, স্ট্রিং নাম)
REDUCTION_DEFAULT
, এবং fromLogits= FROM_LOGITS_DEFAULT
এর ক্ষতি হ্রাস ব্যবহার করে একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি ক্ষতি তৈরি করে।
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
নাম | এই ক্ষতি ফাংশন নাম |
পাবলিক স্পার্স ক্যাটেগরিক্যাল ক্রসেনট্রপি (অপস টিএফ, রিডাকশন রিডাকশন)
Reduction.AUTO এবং fromLogits= FROM_LOGITS_DEFAULT
সহ, লস নাম হিসাবে getSimpleName()
ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে।
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
হ্রাস | ক্ষতির জন্য প্রযোজ্য হ্রাসের প্রকার। |
পাবলিক স্পার্স ক্যাটাগরিকালক্রসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, হ্রাস হ্রাস)
Reduction.AUTO এবং fromLogits= FROM_LOGITS_DEFAULT
সহ একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি ক্ষতি তৈরি করে।
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
নাম | এই ক্ষতি ফাংশন নাম |
হ্রাস | ক্ষতির জন্য প্রযোজ্য হ্রাসের প্রকার। |
পাবলিক স্পার্স ক্যাটেগরিক্যাল ক্রসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, লজিটস থেকে বুলিয়ান)
REDUCTION_DEFAULT
এবং fromLogits= FROM_LOGITS_DEFAULT
এর ক্ষতি হ্রাস ব্যবহার করে একটি স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি তৈরি করে।
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
নাম | এই ক্ষতি ফাংশন নাম |
লগিট থেকে | লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা |
পাবলিক স্পার্স ক্যাটাগরিকাল ক্রসেনট্রপি (অপস টিএফ, লজিটস থেকে বুলিয়ান)
লস নাম হিসাবে getSimpleName()
ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে, REDUCTION_DEFAULT
এর ক্ষতি হ্রাস এবং fromLogits= FROM_LOGITS_DEFAULT
।
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
লগিট থেকে | লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা |
পাবলিক স্পার্স ক্যাটেগরিক্যাল ক্রসসেনট্রপি (অপস টিএফ, লজিটস থেকে বুলিয়ান, রিডাকশন রিডাকশন)
লস নাম হিসাবে getSimpleName()
ব্যবহার করে একটি SparseCategoricalCrossentropy ক্ষতি তৈরি করে,
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
লগিট থেকে | লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা |
হ্রাস | ক্ষতির জন্য প্রযোজ্য হ্রাসের প্রকার। |
পাবলিক স্পার্স ক্যাটাগরিকালক্রসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, বুলিয়ান ফ্রম লজিটস, রিডাকশন রিডাকশন, int অক্ষ)
একটি SparseCategoricalCrossentropy তৈরি করে
পরামিতি
tf | টেনসরফ্লো অপস |
---|---|
নাম | এই ক্ষতি ফাংশন নাম |
লগিট থেকে | লজিট মানের টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করা হবে কিনা |
হ্রাস | ক্ষতির জন্য প্রযোজ্য হ্রাসের প্রকার। |
অক্ষ | চ্যানেল অক্ষ. axis=-1 ডেটা ফরম্যাট `চ্যানেল লাস্ট' এর সাথে এবং axis=1 ডেটা ফরম্যাট 'চ্যানেল ফার্স্ট' এর সাথে মিলে যায়। |
পাবলিক পদ্ধতি
সর্বজনীন অপারেন্ড <T> কল ( Operand <? TNumber > লেবেল প্রসারিত করে, Operand <T> পূর্বাভাস, Operand <T> নমুনা ওজন)
একটি অপারেন্ড তৈরি করে ক্ষতির হিসাব করে।
যদি গ্রাফ মোডে চালানো হয়, তাহলে কম্পিউটেশন TFInvalidArgumentException
নিক্ষেপ করবে যদি ভবিষ্যদ্বাণীর মানগুলি o [0 রেঞ্জের বাইরে থাকে। থেকে 1.] Eager মোডে, এই কলটি IllegalArgumentException
নিক্ষেপ করবে, যদি পূর্বাভাসের মানগুলি o [0' সীমার বাইরে থাকে। 1 থেকে।]
পরামিতি
লেবেল | সত্য মান বা লেবেল |
---|---|
ভবিষ্যদ্বাণী | ভবিষ্যদ্বাণী, মান অবশ্যই পরিসরে হতে হবে [0. to 1.] inclusive. |
নমুনা ওজন | ঐচ্ছিক নমুনা ওজন ক্ষতির জন্য একটি সহগ হিসাবে কাজ করে। যদি একটি স্কেলার প্রদান করা হয়, তাহলে ক্ষতি শুধুমাত্র প্রদত্ত মান দ্বারা স্কেল করা হয়। যদি স্যাম্পলওয়েটস আকারের একটি টেনসর হয় [ব্যাচ_সাইজ], তাহলে ব্যাচের প্রতিটি নমুনার জন্য মোট ক্ষতি নমুনা ওয়েটস ভেক্টরের সংশ্লিষ্ট উপাদান দ্বারা পুনরায় স্কেল করা হয়। যদি নমুনা ওজনের আকৃতি হয় [batch_size, d0, .. dN-1] (অথবা এই আকারে সম্প্রচার করা যেতে পারে), তাহলে ভবিষ্যদ্বাণীর প্রতিটি ক্ষতির উপাদান নমুনা ওজনের সংশ্লিষ্ট মান দ্বারা স্কেল করা হয়। (dN-1-এ দ্রষ্টব্য: সমস্ত ক্ষতি ফাংশন 1 মাত্রা দ্বারা হ্রাস পায়, সাধারণত অক্ষ =-1।) |
রিটার্নস
- ক্ষতি
নিক্ষেপ করে
অবৈধ আর্গুমেন্ট ব্যতিক্রম | যদি পূর্বাভাস সীমার বাইরে হয় [0.-1.]। |
---|