SparseCategoricalCrossentropy

klasa publiczna SparseCategoricalCrossentropy

Oblicza stratę entropii krzyżowej między etykietami i prognozami.

Użyj tej funkcji utraty entropii krzyżowej, jeśli istnieją dwie lub więcej klas etykiet. Oczekuje się, że etykiety będą podawane jako liczby całkowite. Jeśli chcesz zapewnić etykiety przy użyciu reprezentacji one-hot , użyj utraty CategoricalCrossentropy . Powinno być # classes wartości zmiennoprzecinkowych na każdą cechę w przypadku predictions i jedną wartość zmiennoprzecinkową na każdą cechę w przypadku label .

W poniższym fragmencie znajduje się pojedyncza wartość zmiennoprzecinkowa na przykład dla labels i # classes wartości zmiennoprzecinkowych na przykład dla predictions . Kształt labels to [batch_size] , a kształt predictions to [batch_size, num_classes] .

Samodzielne użycie: 

    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

Wywołanie z wagą próbki: 

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

Używanie typu redukcji SUM : 

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

Używanie typu redukcji NONE : 

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

Stałe

wew AXIS_DEFAULT
wartość logiczna FROM_LOGITS_DEFAULT

Dziedziczone pola

Konstruktorzy publiczni

Rzadki Kategoryczny Crossentropia (Ops tf)
Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, nazwa ciągu)
Tworzy stratę SparseCategoricalCrossentropy przy użyciu redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .
Rzadki KategorycznyCrossentropia (Ops tf, redukcja redukcji )
Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, z Reduction.AUTO i fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, redukcja redukcji )
Tworzy stratę SparseCategoricalCrossentropy z Reduction.AUTO i fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits)
Tworzy SparseCategoricalCrossentropy przy użyciu redukcji strat wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropia (Ops tf, wartość logiczna z Logits)
Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropia (Ops tf, wartość logiczna z Logits, redukcja redukcji )
Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty,
SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, redukcja redukcji , oś int)
Tworzy rzadką kategoryczną krzyżową tropię

Metody publiczne

<T rozszerza TNumer > Operand <T>
wywołanie ( Operand <? rozszerza TNumber > etykiety, przewidywania argumentu <T>, argumentu <T> próbkiWagi)
Generuje argument, który oblicza stratę.

Metody dziedziczone

Stałe

publiczny statyczny końcowy int AXIS_DEFAULT

Wartość stała: -1

publiczna statyczna końcowa wartość logiczna FROM_LOGITS_DEFAULT

Wartość stała: fałsz

Konstruktorzy publiczni

publiczny RzadkiKategorycznyCrossentropia (Ops tf)

Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow

public SparseCategoricalCrossentropy (Ops tf, nazwa ciągu)

Tworzy stratę SparseCategoricalCrossentropy przy użyciu redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow
nazwa nazwa tej funkcji straty

publiczny RzadkiKategorycznyCrossentropia (Ops tf, Redukcja redukcji )

Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, z Reduction.AUTO i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow
zmniejszenie Rodzaj obniżki stosowanej w przypadku straty.

public SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, redukcja redukcji )

Tworzy stratę SparseCategoricalCrossentropy z Reduction.AUTO i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow
nazwa nazwa tej funkcji straty
zmniejszenie Rodzaj obniżki stosowanej w przypadku straty.

public SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits)

Tworzy SparseCategoricalCrossentropy przy użyciu redukcji strat wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow
nazwa nazwa tej funkcji straty
zLogits Czy interpretować prognozy jako tensor wartości logitowych

public SparseCategoricalCrossentropy (Ops tf, wartość logiczna z Logits)

Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty, redukcji straty wynoszącej REDUCTION_DEFAULT i fromLogits= FROM_LOGITS_DEFAULT .

Parametry
tf operacji TensorFlow
zLogits Czy interpretować prognozy jako tensor wartości logitowych

public SparseCategoricalCrossentropy (Ops tf, wartość logiczna z Logits, redukcja redukcji )

Tworzy stratę SparseCategoricalCrossentropy, używając getSimpleName() jako nazwy straty,

Parametry
tf operacji TensorFlow
zLogits Czy interpretować prognozy jako tensor wartości logitowych
zmniejszenie Rodzaj obniżki stosowanej w przypadku straty.

public SparseCategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, redukcja redukcji , oś int)

Tworzy rzadką kategoryczną krzyżową tropię

Parametry
tf operacji TensorFlow
nazwa nazwa tej funkcji straty
zLogits Czy interpretować prognozy jako tensor wartości logitowych
zmniejszenie Rodzaj obniżki stosowanej w przypadku straty.
oś Oś kanałów. axis=-1 odpowiada formatowi danych „Channels Last”, a axis=1 odpowiada formatowi danych „Channels First”.

Metody publiczne

publiczne wywołanie argumentu <T> ( operand <? rozszerza TNumber > etykiety, przewidywania argumentu <T>, argumentu <T> próbkiWagi)

Generuje argument, który oblicza stratę.

Jeśli zostanie uruchomione w trybie wykresu, obliczenia zgłoszą TFInvalidArgumentException , jeśli wartości przewidywań będą poza zakresem o [0. do 1.]. W trybie Eager to wywołanie zgłosi wyjątek IllegalArgumentException , jeśli wartości przewidywań wykraczają poza zakres o [0. do 1.]

Parametry
etykiety wartości prawdy lub etykiety
prognozy przewidywań, wartości muszą mieścić się w zakresie [0. do 1.] włącznie.
próbkiWagi Opcjonalne próbki SampleWeights działają jako współczynnik straty. Jeśli podany jest skalar, strata jest po prostu skalowana według podanej wartości. Jeśli SampleWeights jest tensorem rozmiaru [batch_size], wówczas całkowita strata dla każdej próbki w partii jest przeskalowana przez odpowiedni element wektora SampleWeights. Jeśli kształt SampleWeights wynosi [batch_size, d0, .. dN-1] (lub może być nadawany do tego kształtu), wówczas każdy element predykcji straty jest skalowany przez odpowiednią wartość SampleWeights. (Uwaga do dN-1: wszystkie funkcje strat zmniejszają się o 1 wymiar, zwykle oś=-1.)
Zwroty
  • strata
Rzuca
Wyjątek IllegalArgument jeśli przewidywania są poza zakresem [0.-1.].