BinaryCrossentropy

BinaryCrossentropy kelas publik

Metrik yang menghitung kerugian entropi silang biner antara label sebenarnya dan label prediksi.

Ini adalah kelas metrik crossentropy yang digunakan ketika hanya ada dua kelas label (0 dan 1).

Konstanta yang Diwarisi

Dari kelas org.tensorflow.framework.metrics.impl.Reduce

Rangkaian	MENGHITUNG
Rangkaian	TOTAL

Konstruktor Publik

BinaryCrossentropy (Ops tf, Nama string, boolean fromLogits, label floatSmoothing, benih panjang, tipe Kelas<T>) Membuat metrik BinaryCrossentropy

Metode Publik

Operan <T>

panggilan ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi) Menghitung kerugian tertimbang antara labels dan predictions

Metode Warisan

Dari kelas org.tensorflow.framework.metrics.impl.MeanMetricWrapper

Metrik Kerugian <T>	dapatkan Kerugian () Mendapatkan fungsi kerugian.
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi yang memperbarui status metrik rata-rata, dengan memanggil fungsi kerugian dan meneruskan kerugian ke metrik Mean untuk menghitung rata-rata tertimbang kerugian pada banyak iterasi.

Dari kelas org.tensorflow.framework.metrics.impl.Reduce

Variabel <T>	dapatkan Hitungan () Mendapatkan variabel hitungan
Kelas<T>	dapatkan HasilJenis () Mendapatkan tipe untuk variabel
Variabel <T>	dapatkanTotal () Mendapatkan variabel total
Op	resetStatus () Menyetel ulang variabel status apa pun ke nilai awalnya
Operan <T>	hasil () Mendapatkan hasil metrik saat ini
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Memperbarui variabel metrik berdasarkan masukan.

Dari kelas org.tensorflow.framework.metrics.Metric

Operan terakhir <T>	callOnce ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Memanggil status pembaruan satu kali, diikuti dengan panggilan untuk mendapatkan hasilnya
Rangkaian	dapatkan Nama () Mendapatkan nama metrik ini.
panjang	dapatkan Benih () Mendapatkan nilai benih penghasil angka acak
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow
abstrak Op	resetStatus () Menyetel ulang variabel status apa pun ke nilai awalnya
Operan abstrak <T>	hasil () Mendapatkan hasil metrik saat ini
operasi terakhir	updateState ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
operasi terakhir	updateState ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan label dan prediksi.
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan nilai input.

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.framework.metrics.impl.LossMetric

Operan abstrak <T>

panggilan ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi) Menghitung kerugian tertimbang antara labels dan predictions

Konstruktor Publik

public BinaryCrossentropy (Ops tf, Nama string, boolean fromLogits, label floatSmoothing, benih panjang, tipe Kelas<T>)

Membuat metrik BinaryCrossentropy

Parameter

tf	Operasi TensorFlow
nama	nama metrik ini, jika null maka nama metriknya adalah getSimpleName() .
dariLogits	Apakah akan menafsirkan prediksi sebagai tensor nilai logit dan bukan distribusi probabilitas.
label Menghaluskan	nilai yang digunakan untuk menghaluskan label, Jika 0, tidak terjadi pemulusan. Jika > 0, hitung kerugian antara label yang diprediksi dan versi yang dihaluskan dari label yang sebenarnya, dengan penghalusan tersebut menekan label ke arah 0,5. Nilai label_smoothing yang lebih besar berarti pemulusan yang lebih berat.
benih	benih untuk generasi nomor acak. Penginisialisasi yang dibuat dengan seed tertentu akan selalu menghasilkan tensor acak yang sama untuk bentuk dan tipe data tertentu.
jenis	jenis variabel dan hasilnya

Metode Publik

panggilan Operan publik <T> ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi)

Menghitung kerugian tertimbang antara labels dan predictions

Parameter

label	nilai atau label kebenaran
prediksi	prediksi

Kembali

• kerugian