Etiketler ve tahminler arasındaki çapraz entropi kaybını hesaplar.
İki veya daha fazla etiket sınıfı olduğunda bu çapraz entropi kaybı fonksiyonunu kullanın. Etiketlerin tamsayı olarak sağlanması beklenmektedir. one-hot
gösterimi kullanarak etiketler sağlamak istiyorsanız lütfen CategoricalCrossentropy
kaybını kullanın. predictions
için özellik başına # classes
kayan nokta değeri ve label
için özellik başına tek bir kayan nokta değeri olmalıdır.
Aşağıdaki kod parçasında, labels
için örnek başına tek bir kayan nokta değeri ve predictions
için örnek başına # classes
kayan nokta değeri vardır. labels
şekli [batch_size]
ve predictions
şekli ise [batch_size, num_classes]
şeklindedir.
Bağımsız kullanım:
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
Örnek ağırlıkla arama:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight); // produces 0.814f
SUM
azaltma türünü kullanma:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 2.354f
NONE
azaltma türünü kullanma:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces [0.0513f, 2.303f]
Sabitler
int | AXIS_DEFAULT | |
boolean | FROM_LOGITS_DEFAULT |
Devralınan Alanlar
Kamu İnşaatçıları
SeyrekKategorikÇapraztropi (Ops tf) Kayıp adı olarak getSimpleName() , REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'sını kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, Dize adı) REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, İndirgeme azaltma) Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, Dize adı, Azaltma azaltma) Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile bir SparseCategoricalCrossentropy kaybı oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits) REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'yı kullanarak bir SparseCategoricalCrossentropy oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits) Kayıp adı olarak getSimpleName() kullanarak bir SparseCategoricalCrossentropy kaybı, REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma oluşturur. | |
SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits, İndirgeme azaltma) Kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur, | |
SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits, Azaltma azaltma, int ekseni) SparseCategoricalCrossentropy oluşturur |
Genel Yöntemler
<T TNumber'ı genişletir > İşlenen <T> |
Kalıtsal Yöntemler
Sabitler
genel statik final int AXIS_DEFAULT
genel statik son boolean FROM_LOGITS_DEFAULT
Kamu İnşaatçıları
halka açık SparseCategoricalCrossentropy (Ops tf)
Kayıp adı olarak getSimpleName()
, REDUCTION_DEFAULT
ve fromLogits= FROM_LOGITS_DEFAULT
Kayıp Azaltma'sını kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|
public SparseCategoricalCrossentropy (Ops tf, Dize adı)
REDUCTION_DEFAULT
ve fromLogits= FROM_LOGITS_DEFAULT
Kayıp Azaltma kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|---|
isim | bu kayıp fonksiyonunun adı |
public SparseCategoricalCrossentropy (Ops tf, Azaltma azaltma)
Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT
ile kayıp adı olarak getSimpleName()
öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|---|
kesinti | Zarara uygulanacak İndirim Türü. |
public SparseCategoricalCrossentropy (Ops tf, Dize adı, Azaltma azaltma)
Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT
ile bir SparseCategoricalCrossentropy kaybı oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|---|
isim | bu kayıp fonksiyonunun adı |
kesinti | Zarara uygulanacak İndirim Türü. |
public SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits)
REDUCTION_DEFAULT
ve fromLogits= FROM_LOGITS_DEFAULT
Kayıp Azaltma'yı kullanarak bir SparseCategoricalCrossentropy oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|---|
isim | bu kayıp fonksiyonunun adı |
itibarenLogits | Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı |
public SparseCategoricalCrossentropy (Ops tf, boolean fromLogits)
Kayıp adı olarak getSimpleName()
kullanarak bir SparseCategoricalCrossentropy kaybı, REDUCTION_DEFAULT
ve fromLogits= FROM_LOGITS_DEFAULT
Kayıp Azaltma oluşturur.
Parametreler
TF | TensorFlow Operasyonları |
---|---|
itibarenLogits | Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı |
public SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits, Azaltma azaltma)
Kayıp adı olarak getSimpleName()
öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur,
Parametreler
TF | TensorFlow Operasyonları |
---|---|
itibarenLogits | Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı |
kesinti | Zarara uygulanacak İndirim Türü. |
public SparseCategoricalCrossentropy (Ops tf, Dize adı, boolean fromLogits, Azaltma azaltma, int ekseni)
SparseCategoricalCrossentropy oluşturur
Parametreler
TF | TensorFlow Operasyonları |
---|---|
isim | bu kayıp fonksiyonunun adı |
itibarenLogits | Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı |
kesinti | Zarara uygulanacak İndirim Türü. |
eksen | Kanal ekseni. axis=-1 'Son Kanallar' veri formatına karşılık gelir ve axis=1 'İlk Kanallar' veri formatına karşılık gelir. |
Genel Yöntemler
genel İşlenen <T> çağrısı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnek Ağırlıkları)
Kaybı hesaplayan bir İşlenen oluşturur.
Grafik modunda çalıştırılırsa, tahmin değerleri o [0.0] aralığının dışındaysa hesaplama TFInvalidArgumentException
oluşturacaktır. 1'e.]. İstekli Modunda, eğer IllegalArgumentException
değerleri o [0. 1'e.]
Parametreler
etiketler | doğruluk değerleri veya etiketleri |
---|---|
tahminler | Tahminler için değerler [0.0 aralığında olmalıdır. 1'e kadar.] dahil. |
örnekAğırlıklar | İsteğe bağlı SampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. SampleWeights, [batch_size] boyutunda bir tensör ise, o zaman grubun her bir numunesi için toplam kayıp, SampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, SampleWeights'ın karşılık gelen değerine göre ölçeklendirilir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.) |
İadeler
- kayıp
Atar
YasadışıTartışmaİstisna | tahminler [0.-1.] aralığının dışındaysa. |
---|