SparseCategoricalCrossentropy

classe pubblica SparseCategoricalCrossentropy

Calcola la perdita di crossentropia tra etichette e previsioni.

Utilizzare questa funzione di perdita di entropia incrociata quando sono presenti due o più classi di etichette. È previsto che le etichette vengano fornite come numeri interi. Se desideri fornire etichette utilizzando la rappresentazione one-hot , utilizza la perdita CategoricalCrossentropy . Dovrebbero esserci valori in virgola mobile # classes per caratteristica per predictions e un singolo valore in virgola mobile per caratteristica per label .

Nello snippet seguente è presente un singolo valore in virgola mobile per esempio per labels e valori in virgola mobile # classes per esempio per predictions . La forma delle labels è [batch_size] e la forma delle predictions è [batch_size, num_classes] .

Utilizzo autonomo: 

    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

Chiamata con peso campione: 

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

Utilizzo del tipo di riduzione SUM : 

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

Utilizzo del tipo di riduzione NONE : 

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

Costanti

int ASSE_DEFAULT
booleano FROM_LOGITS_DEFAULT

Campi ereditati

Costruttori pubblici

SparseCategoricoCrossentropia (Ops tf)
Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, nome stringa)
Crea una perdita SparseCategoricalCrossentropy utilizzando una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricoCrossentropia (Ops tf, Riduzione riduzione )
Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, con Reduction.AUTO e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, Nome stringa, Riduzione riduzione )
Crea una perdita SparseCategoricalCrossentropy con Reduction.AUTO e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, nome stringa, booleano fromLogits)
Crea una SparseCategoricalCrossentropy utilizzando una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricoCrossentropy (Ops tf, booleano fromLogits)
Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricoCrossentropia (Ops tf, booleano fromLogits, Riduzione riduzione)
Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita,
SparseCategoricalCrossentropy (Ops tf, Nome stringa, booleano fromLogits, Riduzione riduzione, asse int)
Crea una crossentropia categoriale sparsa

Metodi pubblici

<T estende TNumero > Operando <T>
chiamata ( Operando <? estende TNumber > etichette, Operando <T> previsioni, Operando <T> sampleWeights)
Genera un operando che calcola la perdita.

Metodi ereditati

Costanti

public static final int AXIS_DEFAULT

Valore costante: -1

booleano finale statico pubblico FROM_LOGITS_DEFAULT

Valore costante: falso

Costruttori pubblici

public SparseCategoricalCrossentropy (Ops tf)

Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow

public SparseCategoricalCrossentropy (Ops tf, nome stringa)

Crea una perdita SparseCategoricalCrossentropy utilizzando una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow
nome il nome di questa funzione di perdita

public SparseCategoricalCrossentropy (Ops tf, Riduzione riduzione )

Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, con Reduction.AUTO e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow
riduzione Tipo di riduzione da applicare alla perdita.

public SparseCategoricalCrossentropy (Ops tf, Nome stringa, Riduzione riduzione )

Crea una perdita SparseCategoricalCrossentropy con Reduction.AUTO e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow
nome il nome di questa funzione di perdita
riduzione Tipo di riduzione da applicare alla perdita.

public SparseCategoricalCrossentropy (Ops tf, nome stringa, booleano fromLogits)

Crea una SparseCategoricalCrossentropy utilizzando una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow
nome il nome di questa funzione di perdita
daLogits Se interpretare le previsioni come un tensore di valori logit

public SparseCategoricalCrossentropy (Ops tf, booleano fromLogits)

Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita, una riduzione della perdita di REDUCTION_DEFAULT e fromLogits= FROM_LOGITS_DEFAULT .

Parametri
tf le operazioni TensorFlow
daLogits Se interpretare le previsioni come un tensore di valori logit

public SparseCategoricalCrossentropy (Ops tf, booleano fromLogits, Riduzione riduzione)

Crea una perdita SparseCategoricalCrossentropy utilizzando getSimpleName() come nome della perdita,

Parametri
tf le operazioni TensorFlow
daLogits Se interpretare le previsioni come un tensore di valori logit
riduzione Tipo di riduzione da applicare alla perdita.

public SparseCategoricalCrossentropy (Ops tf, Nome stringa, booleano fromLogits, Riduzione riduzione, asse int)

Crea una crossentropia categoriale sparsa

Parametri
tf le operazioni TensorFlow
nome il nome di questa funzione di perdita
daLogits Se interpretare le previsioni come un tensore di valori logit
riduzione Tipo di riduzione da applicare alla perdita.
asse L'asse dei canali. axis=-1 corrisponde al formato dati "Canali ultimi" e axis=1 corrisponde al formato dati "Canali primi".

Metodi pubblici

chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)

Genera un operando che calcola la perdita.

Se eseguito in modalità Grafico, il calcolo genererà TFInvalidArgumentException se i valori delle previsioni non sono compresi nell'intervallo o [0. a 1.]. In modalità Eager, questa chiamata genererà IllegalArgumentException , se i valori delle previsioni non sono compresi nell'intervallo o [0. a 1.]

Parametri
etichette i valori o le etichette di verità
predizioni le previsioni, i valori devono essere compresi nell'intervallo [0. a 1.] compreso.
campionePesi SampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.)
ritorna
  • la perdita
Lancia
IllegalArgumentException se le previsioni sono fuori dall'intervallo [0.-1.].