BinaryCrossentropy

classe pública BinaryCrossentropy

Uma métrica que calcula a perda binária de entropia cruzada entre rótulos verdadeiros e rótulos previstos.

Esta é a classe de métrica de entropia cruzada a ser usada quando existem apenas duas classes de rótulos (0 e 1).

Constantes herdadas

Da classe org.tensorflow.framework.metrics.impl.Reduce

Corda	CONTAR
Corda	TOTAL

Construtores Públicos

BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class<T> type) Cria uma métrica BinaryCrossentropy

Métodos Públicos

Operando <T>

chamada ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões) Calcula a perda ponderada entre labels e predictions

Métodos herdados

Da classe org.tensorflow.framework.metrics.impl.MeanMetricWrapper

Métrica de Perda <T>	obterPerda () Obtém a função de perda.
Lista< Op >	updateStateList ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda em muitas iterações.

Da classe org.tensorflow.framework.metrics.impl.Reduce

Variável <T>	obterContar () Obtém a variável de contagem
Classe<T>	getResultType () Obtém o tipo das variáveis
Variável <T>	obterTotal () Obtém a variável total
Op.	resetEstados () Redefine quaisquer variáveis ​​de estado para seus valores iniciais
Operando <T>	resultado () Obtém o resultado atual da métrica
Lista< Op >	updateStateList ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Atualiza as variáveis ​​métricas com base nas entradas.

Da classe org.tensorflow.framework.metrics.Metric

Operando final <T>	callOnce ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Chama o estado de atualização uma vez, seguido por uma chamada para obter o resultado
Corda	getNome () Obtém o nome desta métrica.
longo	obterSeed () Obtém o valor inicial do gerador de números aleatórios
Operações	obterTF () Obtém as operações do TensorFlow
operação abstrata	resetEstados () Redefine quaisquer variáveis ​​de estado para seus valores iniciais
Operando abstrato <T>	resultado () Obtém o resultado atual da métrica
operação final	updateState ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
operação final	updateState ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
Lista< Op >	updateStateList ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base em rótulos e previsões.
Lista< Op >	updateStateList ( Operando <? estende TNumber > valores, Operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base nos valores de entrada.

Da classe java.lang.Object

boleano	é igual (objeto arg0)
aula final<?>	getClass ()
interno	código hash ()
vazio final	notificar ()
vazio final	notificar todos ()
Corda	para sequenciar ()
vazio final	espere (long arg0, int arg1)
vazio final	espere (arg0 longo)
vazio final	espere ()

Da interface org.tensorflow.framework.metrics.impl.LossMetric

Operando abstrato <T>

chamada ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões) Calcula a perda ponderada entre labels e predictions

Construtores Públicos

public BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class<T> type)

Cria uma métrica BinaryCrossentropy

Parâmetros

TF	as operações do TensorFlow
nome	o nome desta métrica, se for nulo, o nome da métrica será getSimpleName() .
deLogits	Se deve interpretar as previsões como um tensor de valores logit em oposição a uma distribuição de probabilidade.
etiqueta Suavização	valor usado para suavizar rótulos. Quando 0, nenhuma suavização ocorre. Quando > 0, calcule a perda entre os rótulos previstos e uma versão suavizada dos rótulos verdadeiros, onde a suavização comprime os rótulos em direção a 0,5. Valores maiores de label_smoothing correspondem a uma suavização mais pesada.
semente	a semente para geração de números aleatórios. Um inicializador criado com uma determinada semente sempre produzirá o mesmo tensor aleatório para uma determinada forma e tipo de dados.
tipo	o tipo para as variáveis ​​e resultado

Métodos Públicos

chamada de operando público <T> ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões)

Calcula a perda ponderada entre labels e predictions

Parâmetros

rótulos	os valores de verdade ou rótulos
previsões	as previsões

Devoluções

• a perda