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 | |
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 | |
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
وpredictions
، 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
وpredictions
، 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
. اگرnumElements
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.
- اگر رتبه آنها با 1 متفاوت باشد، آخرین کم نور
predictions
یاlabels
فشرده می کند (با استفاده ازremoveSqueezableDimensions(Ops, Operand<T>, Operand<T>)
). - اگر رتبه آن با رتبه جدید
predictions
1 تفاوت داشته باشد، آخرین کم نورsampleWeight
را فشرده یا بزرگ می کند. اگرsampleWeight
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. اگرsampleWeight
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.
- اگر رتبه آنها با 1 تفاوت نداشته باشد، آخرین کم نور
predictions
یاlabels
را فشرده می کند. - اگر رتبه آن با رتبه جدید
predictions
1 تفاوت داشته باشد، آخرین کم نورsampleWeight
را فشرده یا بزرگ می کند. اگرsampleWeight
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
وsampleWeight
. هر یک از آنها احتمالاً آخرین بعد فشرده شده را دارند،sampleWeight
می توان تا یک بعد افزایش داد. اگرsampleWeight
پوچ باشد، فقطpredictions
وlabels
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 |
---|