TensorFlow در 14 مه به Google I/O بازگشته است! همین الان ثبت نام کنید

این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

SparseCategoricalCrossentropy

کلاس عمومی SparseCategoricalCrossentropy

افت متقاطع بین برچسب ها و پیش بینی ها را محاسبه می کند.

هنگامی که دو یا چند کلاس برچسب وجود دارد از این تابع تلفات متقاطع استفاده کنید. انتظار می رود برچسب ها به صورت اعداد صحیح ارائه شوند. اگر می‌خواهید برچسب‌هایی را با استفاده از نمایش one-hot ارائه کنید، لطفاً از دست دادن CategoricalCrossentropy استفاده کنید. باید # classes مقدار ممیز شناور برای هر ویژگی برای predictions و یک مقدار ممیز شناور برای هر ویژگی برای label وجود داشته باشد.

در قطعه زیر، یک مقدار ممیز شناور برای هر مثال برای labels و # classes مقادیر اشاره‌گر شناور در هر مثال برای predictions وجود دارد. شکل labels [batch_size] و شکل predictions [batch_size, num_classes] است.

استفاده مستقل:

    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

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f});
    Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight);
    // produces 0.814f

با استفاده از نوع کاهش SUM :

    SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM);
    Operand<TFloat32> result = sparseCCE.call(labels, predictions);
    // produces 2.354f

با استفاده از نوع کاهش NONE :

    SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE);
    Operand<TFloat32> result = sparseCCE.call(labels, predictions);
    // produces [0.0513f, 2.303f]

ثابت ها

بین المللی	AXIS_DEFAULT
بولی	FROM_LOGITS_DEFAULT

فیلدهای ارثی

از کلاس org.tensorflow.framework.losses.loss

کاهش نهایی استاتیک عمومی REDUCTION_DEFAULT

سازندگان عمومی

	SparseCategorical Crosssentropy (Ops tf) یک ضرر SparseCategoricalCrossentropy با استفاده از `getSimpleName()` به عنوان نام ضرر، کاهش ضرر `REDUCTION_DEFAULT` و fromLogits= `FROM_LOGITS_DEFAULT` ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، نام رشته) با استفاده از کاهش تلفات `REDUCTION_DEFAULT` و fromLogits= `FROM_LOGITS_DEFAULT` ، یک ضرر SparseCategoricalCrossentropy ایجاد می کند.
	SparseCategorical Crosssentropy (Ops tf، کاهش کاهش) یک ضرر SparseCategoricalCrossentropy با استفاده از `getSimpleName()` به عنوان نام ضرر، با Reduction.AUTO و fromLogits= `FROM_LOGITS_DEFAULT` ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، نام رشته، کاهش کاهش) یک ضرر SparseCategoricalCrossentropy با Reduction.AUTO و fromLogits= `FROM_LOGITS_DEFAULT` ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، نام رشته، منطقی از Logits) با استفاده از کاهش تلفات `REDUCTION_DEFAULT` و fromLogits= `FROM_LOGITS_DEFAULT` یک SparseCategoricalCrossentropy ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، Boolean fromLogits) یک ضرر SparseCategoricalCrossentropy با استفاده از `getSimpleName()` به عنوان نام ضرر، کاهش ضرر `REDUCTION_DEFAULT` و fromLogits= `FROM_LOGITS_DEFAULT` ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، Boolean fromLogits، Reduction Reduction) یک ضرر SparseCategoricalCrossentropy با استفاده از `getSimpleName()` به عنوان نام ضرر ایجاد می کند.
	SparseCategoricalCrossentropy (Ops tf، نام رشته، منطقی از Logits، کاهش کاهش، محور int) یک SparseCategoricalCrossentropy 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 و 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 ()

ثابت ها

عمومی استاتیک نهایی int AXIS_DEFAULT

مقدار ثابت: -1

بولین نهایی ثابت عمومی FROM_LOGITS_DEFAULT

مقدار ثابت: نادرست

سازندگان عمومی

عمومی SparseCategoricalCrossentropy (Ops tf)

یک ضرر SparseCategoricalCrossentropy با استفاده از getSimpleName() به عنوان نام ضرر، کاهش ضرر REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT ایجاد می کند.

مولفه های

tf	TensorFlow Ops

عمومی SparseCategoricalCrossentropy (Ops tf، نام رشته)

با استفاده از کاهش تلفات REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT ، یک ضرر SparseCategoricalCrossentropy ایجاد می کند.

مولفه های

tf	TensorFlow Ops
نام	نام این تابع از دست دادن

عمومی SparseCategorical Crosssentropy (Ops tf، کاهش کاهش )

یک ضرر SparseCategoricalCrossentropy با استفاده از getSimpleName() به عنوان نام ضرر، با Reduction.AUTO و fromLogits= FROM_LOGITS_DEFAULT ایجاد می کند.

مولفه های

tf	TensorFlow Ops
کاهش	نوع کاهش برای اعمال ضرر.

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

یک ضرر SparseCategoricalCrossentropy با Reduction.AUTO و fromLogits= FROM_LOGITS_DEFAULT ایجاد می کند.

مولفه های

tf	TensorFlow Ops
نام	نام این تابع از دست دادن
کاهش	نوع کاهش برای اعمال ضرر.

عمومی SparseCategoricalCrossentropy (Ops tf، نام رشته، منطقی از Logits)

با استفاده از کاهش تلفات REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT یک SparseCategoricalCrossentropy ایجاد می کند.

مولفه های

tf	TensorFlow Ops
نام	نام این تابع از دست دادن
از لاجیتز	اینکه آیا پیش‌بینی‌ها را به عنوان تانسور مقادیر لاجیت تفسیر کنیم

عمومی SparseCategoricalCrossentropy (Ops tf، Boolean fromLogits)

مولفه های

tf	TensorFlow Ops
از لاجیتز	اینکه آیا پیش‌بینی‌ها را به عنوان تانسور مقادیر لاجیت تفسیر کنیم

عمومی SparseCategoricalCrossentropy (Ops tf، منطقی از Logits، کاهش کاهش )

یک ضرر SparseCategoricalCrossentropy با استفاده از getSimpleName() به عنوان نام ضرر ایجاد می کند.

مولفه های

tf	TensorFlow Ops
از لاجیتز	اینکه آیا پیش‌بینی‌ها را به عنوان تانسور مقادیر لاجیت تفسیر کنیم
کاهش	نوع کاهش برای اعمال ضرر.

عمومی SparseCategoricalCrossentropy (Ops tf، نام رشته، منطقی از Logits، کاهش کاهش، محور int)

یک SparseCategoricalCrossentropy ایجاد می کند

مولفه های

tf	TensorFlow Ops
نام	نام این تابع از دست دادن
از لاجیتز	اینکه آیا پیش‌بینی‌ها را به عنوان تانسور مقادیر لاجیت تفسیر کنیم
کاهش	نوع کاهش برای اعمال ضرر.
محور	محور کانال ها `axis=-1` مربوط به فرمت داده "Channels Last" و `axis=1` مربوط به قالب داده "Channels First" است.

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 و ضرر را محاسبه می کند.

اگر در حالت Graph اجرا شود، اگر مقادیر پیش‌بینی‌ها خارج از محدوده o [0 باشند، محاسبه TFInvalidArgumentException را انجام می‌دهد. به 1.]. در حالت اشتیاق، اگر مقادیر پیش‌بینی‌ها خارج از محدوده o [0 باشند، این فراخوانی IllegalArgumentException را انجام می‌دهد. به 1.]

مولفه های

برچسب ها	ارزش ها یا برچسب های حقیقت
پیش بینی ها	پیش بینی ها، مقادیر باید در محدوده [0. به 1.] شامل.
وزن نمونه	SampleWeights اختیاری 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

پرتاب می کند

IllegalArgumentException	اگر پیش بینی ها خارج از محدوده [0.-1.] باشد.