लेबल और भविष्यवाणियों के बीच क्रॉसेंट्रॉपी हानि की गणना करता है।
जब दो या दो से अधिक लेबल वर्ग हों तो इस क्रॉसेंट्रॉपी हानि फ़ंक्शन का उपयोग करें। उम्मीद है कि लेबल पूर्णांक के रूप में उपलब्ध कराए जाएंगे। यदि आप one-hot प्रतिनिधित्व का उपयोग करके लेबल प्रदान करना चाहते हैं, तो कृपया CategoricalCrossentropy हानि का उपयोग करें। predictions के लिए प्रति फीचर # classes फ़्लोटिंग पॉइंट मान और label के लिए प्रति फ़ीचर एक एकल फ़्लोटिंग पॉइंट मान होना चाहिए।
नीचे दिए गए स्निपेट में, labels के लिए प्रति उदाहरण एक एकल फ़्लोटिंग पॉइंट मान और predictions के लिए प्रति उदाहरण # classes फ़्लोटिंग पॉइंटिंग मान हैं। labels का आकार [batch_size] है और predictions का आकार [batch_size, num_classes] है।
स्टैंडअलोन उपयोग:
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
नमूना भार के साथ कॉलिंग:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f});
Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight);
// produces 0.814f
SUM कटौती प्रकार का उपयोग करना:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM);
Operand<TFloat32> result = sparseCCE.call(labels, predictions);
// produces 2.354f
NONE कमी प्रकार का उपयोग करना:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE);
Operand<TFloat32> result = sparseCCE.call(labels, predictions);
// produces [0.0513f, 2.303f]
स्थिरांक
| int यहाँ | AXIS_DEFAULT | |
| बूलियन | FROM_LOGITS_DEFAULT |
विरासत में मिले क्षेत्र
सार्वजनिक निर्माता
SparseCategoricalCrossentropy (ऑप्स tf) हानि नाम के रूप में getSimpleName() उपयोग करके SparseCategoricalCrossentropy हानि बनाता है, REDUCTION_DEFAULT की हानि में कमी करता है, और fromLogits= FROM_LOGITS_DEFAULT का उपयोग करता है। | |
SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम) REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT के लॉस रिडक्शन का उपयोग करके एक SparseCategoricalCrossentropy हानि बनाता है। | |
SparseCategoricalCrossentropy (ऑप्स tf, कटौती में कमी) Reduction.AUTO और fromLogits= FROM_LOGITS_DEFAULT के साथ getSimpleName() हानि नाम के रूप में उपयोग करके SparseCategoricalCrossentropy हानि बनाता है। | |
SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम, कटौती में कमी) Reduction.AUTO और fromLogits= FROM_LOGITS_DEFAULT के साथ SparseCategoricalCrossentropy हानि बनाता है। | |
SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स) REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT के लॉस रिडक्शन का उपयोग करके एक SparseCategoricalCrossentropy बनाता है। | |
SparseCategoricalCrossentropy (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स) हानि नाम के रूप में getSimpleName() का उपयोग करके SparseCategoricalCrossentropy हानि बनाता है, REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT की हानि में कमी करता है। | |
SparseCategoricalCrossentropy (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स, रिडक्शन रिडक्शन) हानि नाम के रूप में getSimpleName() उपयोग करके SparseCategoricalCrossentropy हानि बनाता है, | |
SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स, रिडक्शन रिडक्शन, इंट एक्सिस) एक SparseCategoricalCrossentropy बनाता है |
सार्वजनिक तरीके
| <T TNumber > ऑपरेंड <T> का विस्तार करता है |
विरासत में मिली विधियाँ
स्थिरांक
सार्वजनिक स्थैतिक अंतिम पूर्णांक AXIS_DEFAULT
सार्वजनिक स्थैतिक अंतिम बूलियन FROM_LOGITS_DEFAULT
सार्वजनिक निर्माता
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स tf)
हानि नाम के रूप में getSimpleName() उपयोग करके SparseCategoricalCrossentropy हानि बनाता है, REDUCTION_DEFAULT की हानि में कमी करता है, और fromLogits= FROM_LOGITS_DEFAULT का उपयोग करता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम)
REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT के लॉस रिडक्शन का उपयोग करके एक SparseCategoricalCrossentropy हानि बनाता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| नाम | इस हानि फ़ंक्शन का नाम |
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स tf, कटौती में कमी)
Reduction.AUTO और fromLogits= FROM_LOGITS_DEFAULT के साथ getSimpleName() हानि नाम के रूप में उपयोग करके SparseCategoricalCrossentropy हानि बनाता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| कमी | हानि पर लागू होने वाली कटौती का प्रकार. |
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स टीएफ, स्ट्रिंग नाम, कटौती में कमी)
Reduction.AUTO और fromLogits= FROM_LOGITS_DEFAULT के साथ SparseCategoricalCrossentropy हानि बनाता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| नाम | इस हानि फ़ंक्शन का नाम |
| कमी | हानि पर लागू होने वाली कटौती का प्रकार. |
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स tf, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स)
REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT के लॉस रिडक्शन का उपयोग करके एक SparseCategoricalCrossentropy बनाता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| नाम | इस हानि फ़ंक्शन का नाम |
| लॉगिट्स से | क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है |
सार्वजनिक स्पार्सकैटेगोरिकलक्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स)
हानि नाम के रूप में getSimpleName() का उपयोग करके SparseCategoricalCrossentropy हानि बनाता है, REDUCTION_DEFAULT और fromLogits= FROM_LOGITS_DEFAULT की हानि में कमी करता है।
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| लॉगिट्स से | क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है |
सार्वजनिक स्पार्सकेटेगोरिकलक्रॉसेंट्रॉपी (ऑप्स टीएफ, बूलियन फ्रॉमलॉगिट्स, रिडक्शन रिडक्शन)
हानि नाम के रूप में getSimpleName() उपयोग करके SparseCategoricalCrossentropy हानि बनाता है,
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| लॉगिट्स से | क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है |
| कमी | हानि पर लागू होने वाली कटौती का प्रकार. |
सार्वजनिक SparseCategoricalCrossentropy (ऑप्स टीएफ, स्ट्रिंग नाम, बूलियन फ्रॉमलॉगिट्स, रिडक्शन रिडक्शन, इंट एक्सिस)
एक SparseCategoricalCrossentropy बनाता है
पैरामीटर
| tf | टेंसरफ़्लो ऑप्स |
|---|---|
| नाम | इस हानि फ़ंक्शन का नाम |
| लॉगिट्स से | क्या भविष्यवाणियों को लॉगिट मानों के टेंसर के रूप में व्याख्या करना है |
| कमी | हानि पर लागू होने वाली कटौती का प्रकार. |
| एक्सिस | चैनल अक्ष. axis=-1 डेटा फॉर्मेट 'चैनल्स लास्ट' से मेल खाता है और axis=1 डेटा फॉर्मेट 'चैनल्स फर्स्ट' से मेल खाता है। |
सार्वजनिक तरीके
सार्वजनिक ऑपरेंड <T> कॉल ( ऑपरेंड <? एक्सटेंड्स TNumber > लेबल, ऑपरेंड <T> पूर्वानुमान, ऑपरेंड <T> सैंपलवेट्स)
एक ऑपरेंड उत्पन्न करता है और नुकसान की गणना करता है।
यदि ग्राफ़ मोड में चलाया जाता है, तो गणना TFInvalidArgumentException फेंक देगी यदि पूर्वानुमान मान सीमा ओ [0 के बाहर हैं। से 1.]. उत्सुक मोड में, यह कॉल IllegalArgumentException फेंक देगा, यदि पूर्वानुमान मान सीमा ओ [0 के बाहर हैं। से 1.]
पैरामीटर
| लेबल | सत्य मान या लेबल |
|---|---|
| भविष्यवाणियों | पूर्वानुमान, मान सीमा में होने चाहिए [0. से 1.] समावेशी। |
| नमूनावजन | वैकल्पिक नमूना वज़न हानि के लिए गुणांक के रूप में कार्य करता है। यदि एक अदिश राशि प्रदान की जाती है, तो हानि को केवल दिए गए मान से मापा जाता है। यदि सैंपलवेट्स आकार का एक टेंसर है [बैच_आकार], तो बैच के प्रत्येक नमूने के लिए कुल नुकसान सैंपलवेट्स वेक्टर में संबंधित तत्व द्वारा पुन: स्केल किया जाता है। यदि सैंपलवेट्स का आकार [बैच_साइज, डी0, .. डीएन-1] है (या इस आकार में प्रसारित किया जा सकता है), तो भविष्यवाणियों के प्रत्येक हानि तत्व को सैंपलवेट्स के संबंधित मूल्य द्वारा स्केल किया जाता है। (डीएन-1 पर ध्यान दें: सभी हानि फ़ंक्शन 1 आयाम से कम हो जाते हैं, आमतौर पर अक्ष=-1।) |
रिटर्न
- हानि
फेंकता
| अवैध तर्क अपवाद | यदि भविष्यवाणियाँ सीमा से बाहर हैं [0.-1.]। |
|---|