SquaredHinge

classe publique SquaredHinge

Calcule la perte de charnière carrée entre les étiquettes et les prédictions.

loss = square(maximum(1 - labels * predictions, 0))

Les valeurs labels doivent être -1 ou 1. Si des étiquettes binaires (0 ou 1) sont fournies, elles seront converties en -1 ou 1.

Utilisation autonome : 

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0., 1.}, {0., 0.} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    SquaredHinge squaredHinge = new SquaredHinge(tf);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 1.86f

Appel avec le poids de l'échantillon : 

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = squaredHinge.call(labels, predictions,
                                                  sampleWeight);
    // produces 0.73f

Utilisation du type de réduction SUM : 

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.SUM);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 3.72f

Utilisation du type de réduction NONE : 

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.NONE);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces [1.46f, 2.26f]

Champs hérités

Constructeurs Publics

Charnière carrée (Ops tf)
Crée une perte de charnière carrée en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT
SquaredHinge (Ops tf, réduction de réduction )
Crée une perte de charnière carrée en utilisant getSimpleName() comme nom de perte
SquaredHinge (Ops tf, nom de chaîne, réduction de réduction )
Crée une charnière carrée

Méthodes publiques

<T étend TNumber > Opérande <T>
appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights)
Génère un opérande qui calcule la perte.

Méthodes héritées

Constructeurs Publics

SquaredHinge publique (Ops tf)

Crée une perte de charnière carrée en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT

Paramètres
tf les opérations TensorFlow

public SquaredHinge (Ops tf, réduction de réduction )

Crée une perte de charnière carrée en utilisant getSimpleName() comme nom de perte

Paramètres
tf les opérations TensorFlow
réduction Type de réduction à appliquer sur le sinistre.

public SquaredHinge (Ops tf, nom de chaîne, réduction de réduction )

Crée une charnière carrée

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
réduction Type de réduction à appliquer sur le sinistre.

Méthodes publiques

Appel de l'opérande public <T> ( opérande <? extends TNumber > labels, prédictions de l'opérande <T>, Operand <T> sampleWeights)

Génère un opérande qui calcule la perte.

S'il est exécuté en mode graphique, le calcul lancera TFInvalidArgumentException si les valeurs de l'étiquette ne sont pas dans l'ensemble [-1., 0., 1.]. En mode Eager, cet appel lancera IllegalArgumentException , si les valeurs de l'étiquette ne sont pas dans l'ensemble [-1., 0., 1.].

Paramètres
étiquettes les valeurs de vérité ou les étiquettes doivent être soit -1, 0 ou 1. Les valeurs devraient être -1 ou 1. Si des étiquettes binaires (0 ou 1) sont fournies, elles seront converties en -1 ou 1.
prédictions les prédictions, les valeurs doivent être comprises dans la plage [0. à 1.] inclus.
exemples de poids SampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si SampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur SampleWeights. Si la forme de SampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée vers cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de SampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)
Retours
  • la perte
Jetés
IllegalArgumentException si les prédictions sont en dehors de la plage [0.-1.].