LossesHelper

کلاس عمومی LossesHelper

اینها روش‌های کمکی برای Losses و Metrics هستند و زمانی که ماژولاریت جاوا در جاوا TensorFlow اعمال شود، ماژول خصوصی خواهند بود. این روش ها نباید خارج از بسته های تلفات و معیارها استفاده شوند.

سازندگان عمومی

LossesHelper ()

روش های عمومی

static <T TNumber > Operand < TINT32 > را گسترش می دهد
allAxes (Ops tf، Operand <T> op)
یک آرایه عدد صحیح ثابت دریافت می کند که تمام محورهای عملوند را نشان می دهد.
استاتیک <T TNumber > عملوند <T> را گسترش می دهد
computeWeightedLoss (Ops tf، Operand <T> از دست دادن، کاهش کاهش، Operand <T> sampleWeight)
کاهش وزن را محاسبه می کند
استاتیک <T TNumber > عملوند <T> را گسترش می دهد
rangeCheck (Ops tf، پیشوند رشته، مقادیر عملوند <T>، عملوند <T> minValue، عملوند <T> maxValue)
یک بررسی محدوده فراگیر روی مقادیر انجام دهید
استاتیک <T TNumber > LossTuple <T> را گسترش می دهد
removeSqueezableDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>)
اگر رتبه‌ها دقیقاً 1 متفاوت از حد انتظار است، آخرین کم نور را فشار دهید.
استاتیک <T TNumber > LossTuple <T> را گسترش می دهد
removeSqueezableDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>، int expectRankDiff)
اگر رتبه‌ها دقیقاً 1 متفاوت از حد انتظار است، آخرین کم نور را فشار دهید.
استاتیک <T TNumber > عملوند <T> را گسترش می دهد
safeMean (Ops tf، Operand <T> ضرر، long numElements)
میانگین ایمن زیان ها را محاسبه می کند.
استاتیک <T TNumber > LossTuple <T> را گسترش می دهد
squeezeOrExpandDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>)
در صورت نیاز با وزن نمونه یک، آخرین بعد را فشرده یا بزرگ کنید.
استاتیک <T TNumber > LossTuple <T> را گسترش می دهد
squeezeOrExpandDimensions (Ops tf، برچسب‌های عملوند <T>، پیش‌بینی‌های عملوند <T>، وزن‌های نمونه عملوند <T>)
در صورت نیاز، آخرین بعد را فشرده یا بزرگ کنید.
استاتیک <T TNumber > عملوند <T> را گسترش می دهد
valueCheck (Ops tf، پیشوند رشته، مقادیر عملوند <T>، عملوند <T> مجاز مقادیر)
بررسی می کند که آیا همه مقادیر در مجموعه مقادیر مجاز هستند یا خیر.

روش های ارثی

سازندگان عمومی

عمومی LossesHelper ()

روش های عمومی

عملوند ثابت عمومی < TINT32 > allAxes (Ops tf، Operand <T> op)

یک آرایه عدد صحیح ثابت دریافت می کند که تمام محورهای عملوند را نشان می دهد.

مولفه های
tf TensorFlow Ops
op TensorFlow Ops
برمی گرداند
  • ثابتی که تمام محورهای عملوند را نشان می دهد.

عملوند ثابت عمومی <T> computeWeightedLoss (Ops tf، Operand <T> از دست دادن، کاهش کاهش ، عملوند <T> sampleWeight)

کاهش وزن را محاسبه می کند

مولفه های
tf TensorFlow Ops
ضرر - زیان از دست دادن بی وزن
کاهش نوع کاهش
وزن نمونه وزن نمونه، اگر صفر باشد، این به طور پیش فرض یک است.
برمی گرداند
  • کاهش وزن

عملوند استاتیک عمومی <T> rangeCheck (Ops tf، پیشوند رشته، مقادیر Operand <T>، عملوند <T> minValue، عملوند <T> maxValue)

یک بررسی محدوده فراگیر روی مقادیر انجام دهید

مولفه های
tf TensorFlow Ops
پیشوند یک پیشوند رشته برای درج در پیام خطا
ارزش های مقادیر مورد بررسی
minValue حداقل مقدار
maxValue حداکثر مقدار
برمی گرداند
  • مقادیر احتمالاً با وابستگی های کنترلی در صورتی که TensorFlow Ops یک جلسه نمودار را نشان دهد
پرتاب می کند
IllegalArgumentException اگر TensorFlow Ops یک جلسه مشتاق را نشان دهد

عمومی استاتیک LossTuple <T> removeSqueezableDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>)

اگر رتبه‌ها دقیقاً 1 متفاوت از حد انتظار است، آخرین کم نور را فشار دهید.

مولفه های
tf TensorFlowOps
برچسب ها مقادیر برچسب، Tensor که ابعاد آن با predictions مطابقت دارد.
پیش بینی ها مقادیر پیش بینی شده، Tensor ابعاد دلخواه.
برمی گرداند
  • labels و predictions ، احتمالاً با آخرین کم‌فشار.

استاتیک عمومی LossTuple <T> removeSqueezableDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>، int expectRankDiff)

اگر رتبه‌ها دقیقاً 1 متفاوت از حد انتظار است، آخرین کم نور را فشار دهید.

مولفه های
tf TensorFlowOps
برچسب ها مقادیر برچسب، Operand که ابعاد آن با predictions مطابقت دارد.
پیش بینی ها مقادیر پیش بینی شده، Tensor ابعاد دلخواه.
انتظار رنکDiff نتیجه مورد انتظار rank(predictions) - rank(labels) .
برمی گرداند
  • labels و predictions ، احتمالاً با آخرین کم‌فشار.

عملوند ایستا عمومی <T> safeMean (Ops tf، Operand <T> تلفات، numElements طولانی)

میانگین ایمن زیان ها را محاسبه می کند.

مولفه های
tf TensorFlow Ops
تلفات Operand که عناصر آن شامل اندازه گیری های تلفات فردی است.
numElements تعداد عناصر قابل اندازه گیری در losses
برمی گرداند
  • یک اسکالر نشان دهنده میانگین losses . اگر numElements صفر باشد، صفر برگردانده می شود.

عمومی ایستا LossTuple <T> squeezeOrExpandDimensions (Ops tf، برچسب های Operand <T>، پیش بینی های Operand <T>)

در صورت نیاز با وزن نمونه یک، آخرین بعد را فشرده یا بزرگ کنید.

  1. اگر رتبه آنها با 1 متفاوت باشد، آخرین کم نور predictions یا labels فشرده می کند (با استفاده از removeSqueezableDimensions(Ops, Operand<T>, Operand<T>) ).
  2. اگر رتبه آن با رتبه جدید predictions 1 تفاوت داشته باشد، آخرین کم نور sampleWeight را فشرده یا بزرگ می کند. اگر sampleWeight اسکالر باشد، اسکالر نگه داشته می شود.

مولفه های
tf TensorFlow Ops
برچسب ها برچسب اختیاری Operand که ابعاد آن با prediction مطابقت دارد.
پیش بینی ها مقادیر پیش بینی شده، یک Operand از ابعاد دلخواه.
برمی گرداند
  • LossTuple prediction ، label ، sampleWeight صفر خواهد بود. هر یک از آنها احتمالاً آخرین بعد فشرده شده را دارند، sampleWeight می توان تا یک بعد افزایش داد. اگر sampleWeight صفر باشد، (پیش‌بینی، برچسب) برگردانده می‌شود.

استاتیک عمومی LossTuple <T> squeezeOrExpandDimensions (Ops tf، برچسب های عملوند <T>، پیش بینی های عملوند <T>، وزن های نمونه عملکرد <T>)

در صورت نیاز، آخرین بعد را فشرده یا بزرگ کنید.

  1. اگر رتبه آنها با 1 تفاوت نداشته باشد، آخرین کم نور predictions یا labels را فشرده می کند.
  2. اگر رتبه آن با رتبه جدید predictions 1 تفاوت داشته باشد، آخرین کم نور sampleWeight را فشرده یا بزرگ می کند. اگر sampleWeight اسکالر باشد، اسکالر نگه داشته می شود.

مولفه های
tf TensorFlow Ops
برچسب ها برچسب اختیاری Operand که ابعاد آن با prediction مطابقت دارد.
پیش بینی ها مقادیر پیش بینی شده، یک Operand از ابعاد دلخواه.
وزن نمونه وزن(های) نمونه اختیاری Operand که ابعاد آن با prediction مطابقت دارد.
برمی گرداند
  • LossTuple از predictions ، labels و sampleWeight . هر یک از آنها احتمالاً آخرین بعد فشرده شده را دارند، sampleWeight می توان تا یک بعد افزایش داد. اگر sampleWeight پوچ باشد، فقط predictions و labels احتمالاً اصلاح‌شده شکل برگردانده می‌شوند.

عملگر استاتیک عمومی <T> valueCheck (Ops tf، پیشوند رشته، مقادیر عملوند <T>، عملوند <T> مجاز مقادیر)

بررسی می کند که آیا همه مقادیر در مجموعه مقادیر مجاز هستند یا خیر. اجرای عملوند در حالت Graph، اگر حداقل یک مقدار در مجموعه مقادیر مجاز نباشد، TFInvalidArgumentException ایجاد می کند. در حالت اشتیاق، اگر حداقل یک مقدار در مجموعه مقادیر مجاز نباشد، این روش یک IllegalArgumentException را ایجاد می کند.

مولفه های
tf TensorFlow Ops
پیشوند یک پیشوند رشته برای درج در پیام خطا
ارزش های مقادیر مورد بررسی
مقادیر مجاز مقادیر مجاز
برمی گرداند
  • مقادیر احتمالاً با وابستگی های کنترلی در صورتی که TensorFlow Ops یک جلسه نمودار را نشان دهد
پرتاب می کند
IllegalArgumentException اگر Session در حالت Eager باشد و حداقل یک مقدار در مجموعه مقادیر مجاز نباشد