مقياس يحسب الخسارة الفئوية للإنتروبيا المتبادلة بين التسميات الحقيقية والتسميات المتوقعة.
هذه هي فئة قياس الانتروبيا التي سيتم استخدامها عندما تكون هناك فئات تسمية متعددة (2 أو أكثر). يجب أن يتم إعطاء التسميات كتمثيل one_hot. على سبيل المثال، عندما تكون قيم التسميات هي [2, 0, 1]
، فإن معامل التسميات يحتوي [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
الثوابت الموروثة
المقاولون العامون
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، بذرة طويلة، نوع Class<T>) ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات. | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، محور int، بذرة طويلة، نوع Class<T>) ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات. |
الأساليب العامة
المعامل <T> |
الطرق الموروثة
المقاولون العامون
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، بذرة طويلة، نوع Class<T>)
ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات.
يستخدم CHANNELS_LAST
لمحور القناة.
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذا المقياس، إذا كان فارغًا، فإن اسم المقياس هو getSimpleName() . |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية أو على عكس التوزيع الاحتمالي. |
labelSmoothing | القيمة المستخدمة لتسوية التسميات، عندما > 0، يتم تنعيم قيم التسميات، مما يعني تخفيف الثقة في قيم التسميات. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
بذرة | البذور لتوليد أرقام عشوائية. ستنتج أداة التهيئة التي تم إنشاؤها باستخدام بذرة معينة دائمًا نفس الموتر العشوائي لشكل معين ونوع بيانات معين. |
يكتب | نوع المتغيرات والنتيجة |
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، محور int، بذرة طويلة، نوع Class<T>)
ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات.
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذا المقياس، إذا كان فارغًا، فإن اسم المقياس هو getSimpleName() . |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية بدلاً من التوزيع الاحتمالي. |
labelSmoothing | القيمة المستخدمة لتسوية التسميات، عندما > 0، يتم تنعيم قيم التسميات، مما يعني تخفيف الثقة في قيم التسميات. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
محور | Int تحديد محور القنوات. axis= يتوافق مع تنسيق البيانات channels_last ، axis= يتوافق مع تنسيق البيانات channels_first . |
بذرة | البذور لتوليد أرقام عشوائية. ستنتج أداة التهيئة التي تم إنشاؤها باستخدام بذرة معينة دائمًا نفس الموتر العشوائي لشكل معين ونوع بيانات معين. |
يكتب | نوع المتغيرات والنتيجة |