CategoricalCrossentropy

পাবলিক ক্লাস ক্যাটাগরিক্যাল ক্রসসেনট্রপি

একটি মেট্রিক যা সত্য লেবেল এবং পূর্বাভাসিত লেবেলের মধ্যে শ্রেণীগত ক্রস-এনট্রপি ক্ষতি গণনা করে।

একাধিক লেবেল ক্লাস (2 বা তার বেশি) থাকলে এটি ব্যবহার করা হবে ক্রসেন্ট্রপি মেট্রিক ক্লাস। লেবেল একটি এক_হট উপস্থাপনা হিসাবে দেওয়া উচিত. যেমন, যখন লেবেলের মান [2, 0, 1] হয়, তখন লেবেল Operand-এ থাকে = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]

উত্তরাধিকার সূত্রে প্রাপ্ত ধ্রুবক

org.tensorflow.framework.metrics.impl.Reduce ক্লাস থেকে

স্ট্রিং	COUNT
স্ট্রিং	মোট

পাবলিক কনস্ট্রাক্টর

	ক্যাটাগরিক্যাল ক্রসসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, বুলিয়ান ফ্রম লজিটস, ফ্লোট লেবেল স্মুথিং, লং সিড, ক্লাস<T> টাইপ) একটি শ্রেণীবদ্ধ ক্রসেনট্রপি মেট্রিক তৈরি করে যা লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে ক্রসসেনট্রপি মেট্রিক গণনা করে।
	শ্রেণীগত ক্রসসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, লজিটস থেকে বুলিয়ান, ফ্লোট লেবেল স্মুথিং, int অক্ষ, দীর্ঘ বীজ, ক্লাস<T> প্রকার) একটি শ্রেণীবদ্ধ ক্রসেনট্রপি মেট্রিক তৈরি করে যা লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে ক্রসসেনট্রপি মেট্রিক গণনা করে।

পাবলিক পদ্ধতি

অপারেন্ড <T>

কল ( অপারেন্ড <? প্রসারিত TNumber > লেবেল, Operand <? প্রসারিত TNumber > পূর্বাভাস) labels এবং predictions মধ্যে ওজনযুক্ত ক্ষতি গণনা করে৷

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

org.tensorflow.framework.metrics.impl.MeanMetricWrapper ক্লাস থেকে

লসমেট্রিক <T>	চলে যাও () ক্ষতি ফাংশন পায়.
তালিকা< অপ >	আপডেটস্টেটলিস্ট ( অপারেন্ড <? প্রসারিত TNumber > লেবেল, Operand <? প্রসারিত TNumber > ভবিষ্যদ্বাণী, Operand <? প্রসারিত TNumber > স্যাম্পলওয়েটস) এমন ক্রিয়াকলাপ তৈরি করে যেগুলি গড় মেট্রিকের অবস্থা আপডেট করে, ক্ষতির ফাংশনকে কল করে এবং অনেকগুলি পুনরাবৃত্তিতে ক্ষতির ওজনযুক্ত গড় গণনা করার জন্য ক্ষতিকে গড় মেট্রিকে পাস করে।

org.tensorflow.framework.metrics.impl.Reduce ক্লাস থেকে

পরিবর্তনশীল <T>	getCount () গণনা পরিবর্তনশীল পায়
ক্লাস<T>	getResultType () ভেরিয়েবলের জন্য টাইপ পায়
পরিবর্তনশীল <T>	টোটাল () মোট পরিবর্তনশীল পায়
অপ	রিসেট স্টেটস () যেকোনো স্টেট ভেরিয়েবলকে তাদের প্রাথমিক মানগুলিতে রিসেট করে
অপারেন্ড <T>	ফলাফল () মেট্রিকের বর্তমান ফলাফল পায়
তালিকা< অপ >	আপডেটস্টেটলিস্ট ( অপারেন্ড <? প্রসারিত TNumber > মান, অপারেন্ড <? প্রসারিত TNumber > স্যাম্পলওয়েট) ইনপুটগুলির উপর ভিত্তি করে মেট্রিক ভেরিয়েবল আপডেট করে।

org.tensorflow.framework.metrics.Metric ক্লাস থেকে

চূড়ান্ত অপারেন্ড <T>	callOnce ( Operand <? extends TNumber > মান, Operand <? প্রসারিত TNumber > স্যাম্পলওয়েট) কলগুলির অবস্থা একবার আপডেট হয়, তারপর ফলাফল পেতে একটি কল আসে৷
স্ট্রিং	getName () এই মেট্রিকের নাম পায়।
দীর্ঘ	getSeed () র্যান্ডম সংখ্যা জেনারেটর বীজ মান পায়
অপ্স	getTF () TensorFlow Ops পায়
বিমূর্ত অপ	রিসেট স্টেটস () যেকোনো স্টেট ভেরিয়েবলকে তাদের প্রাথমিক মানগুলিতে রিসেট করে
বিমূর্ত অপারেন্ড <T>	ফলাফল () মেট্রিকের বর্তমান ফলাফল পায়
চূড়ান্ত অপশন	UpdateState ( Operand <? expends TNumber > labels, Operand <? extends TNumber > predictions, Operand <? extenses TNumber > sampleWeights) মেট্রিক অবস্থা আপডেট করতে নিয়ন্ত্রণ নির্ভরতা সহ একটি NoOp অপারেশন তৈরি করে
চূড়ান্ত অপশন	UpdateState ( Operand <? extensions TNumber > values, Operand <? extenses TNumber > sampleWeights) মেট্রিক অবস্থা আপডেট করতে নিয়ন্ত্রণ নির্ভরতা সহ একটি NoOp অপারেশন তৈরি করে
তালিকা< অপ >	আপডেটস্টেটলিস্ট ( অপারেন্ড <? প্রসারিত TNumber > লেবেল, Operand <? প্রসারিত TNumber > ভবিষ্যদ্বাণী, Operand <? প্রসারিত TNumber > স্যাম্পলওয়েটস) লেবেল এবং ভবিষ্যদ্বাণীগুলির উপর ভিত্তি করে মেট্রিক অবস্থা আপডেট করতে অপারেশনগুলির একটি তালিকা তৈরি করে৷
তালিকা< অপ >	আপডেটস্টেটলিস্ট ( অপারেন্ড <? প্রসারিত TNumber > মান, অপারেন্ড <? প্রসারিত TNumber > স্যাম্পলওয়েট) ইনপুট মানের উপর ভিত্তি করে মেট্রিক অবস্থা আপডেট করতে অপারেশনের একটি তালিকা তৈরি করে।

java.lang.Object ক্লাস থেকে

বুলিয়ান	সমান (অবজেক্ট arg0)
চূড়ান্ত ক্লাস<?>	getClass ()
int	হ্যাশ কোড ()
চূড়ান্ত শূন্যতা	অবহিত ()
চূড়ান্ত শূন্যতা	সকলকে অবহিত করুন ()
স্ট্রিং	স্ট্রিং ()
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0, int arg1)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন (দীর্ঘ arg0)
চূড়ান্ত শূন্যতা	অপেক্ষা করুন ()

ইন্টারফেস org.tensorflow.framework.metrics.impl.LossMetric থেকে

বিমূর্ত অপারেন্ড <T>

কল ( অপারেন্ড <? প্রসারিত TNumber > লেবেল, Operand <? প্রসারিত TNumber > পূর্বাভাস) labels এবং predictions মধ্যে ওজনযুক্ত ক্ষতি গণনা করে৷

পাবলিক কনস্ট্রাক্টর

পাবলিক ক্যাটাগরিকাল ক্রসেনট্রপি (অপস টিএফ, স্ট্রিং নাম, বুলিয়ান ফ্রম লজিটস, ফ্লোট লেবেল স্মুথিং, লং সিড, ক্লাস<T> টাইপ)

একটি শ্রেণীবদ্ধ ক্রসেনট্রপি মেট্রিক তৈরি করে যা লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে ক্রসসেনট্রপি মেট্রিক গণনা করে।

চ্যানেল অক্ষের জন্য একটি CHANNELS_LAST ব্যবহার করে।

পরামিতি

tf	টেনসরফ্লো অপস
নাম	এই মেট্রিকের নাম, যদি শূন্য হয় তবে মেট্রিকের নাম getSimpleName() ।
লগিট থেকে	সম্ভাব্যতা বণ্টনের বিপরীতে লজিট মানগুলির টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করতে হবে কিনা৷
লেবেল স্মুথিং	লেবেল মসৃণ করতে ব্যবহৃত মান, যখন > 0, লেবেল মান মসৃণ করা হয়, মানে লেবেল মানগুলির উপর আস্থা শিথিল হয়৷ যেমন labelSmoothing=0.2 মানে আমরা লেবেল 0 এর জন্য 0.1 এবং লেবেল 1 এর জন্য 0.9 এর মান ব্যবহার করব
বীজ	এলোমেলো সংখ্যা প্রজন্মের জন্য বীজ. একটি প্রদত্ত বীজ দিয়ে তৈরি একটি ইনিশিয়ালাইজার সর্বদা একটি প্রদত্ত আকার এবং ডেটা টাইপের জন্য একই র্যান্ডম টেনসর তৈরি করবে।
প্রকার	ভেরিয়েবল এবং ফলাফলের ধরন

পাবলিক ক্যাটাগরিকাল ক্রসেনট্রপি (Ops tf, স্ট্রিং নাম, বুলিয়ান ফ্রম লজিটস, ফ্লোট লেবেল স্মুথিং, int অক্ষ, দীর্ঘ বীজ, ক্লাস<T> প্রকার)

একটি শ্রেণীবদ্ধ ক্রসেনট্রপি মেট্রিক তৈরি করে যা লেবেল এবং ভবিষ্যদ্বাণীগুলির মধ্যে ক্রসসেনট্রপি মেট্রিক গণনা করে।

পরামিতি

tf	টেনসরফ্লো অপস
নাম	এই মেট্রিকের নাম, যদি শূন্য হয় তবে মেট্রিকের নাম getSimpleName() ।
লগিট থেকে	সম্ভাব্যতা বণ্টনের বিপরীতে লজিট মানগুলির টেনসর হিসাবে ভবিষ্যদ্বাণীগুলিকে ব্যাখ্যা করতে হবে কিনা৷
লেবেল স্মুথিং	লেবেল মসৃণ করতে ব্যবহৃত মান, যখন > 0, লেবেল মান মসৃণ করা হয়, মানে লেবেল মানগুলির উপর আস্থা শিথিল হয়৷ যেমন labelSmoothing=0.2 মানে আমরা লেবেল 0 এর জন্য 0.1 এবং লেবেল 1 এর জন্য 0.9 এর মান ব্যবহার করব
অক্ষ	int চ্যানেলের অক্ষ নির্দিষ্ট করে। axis= CHANNELS_LAST ডাটা ফরম্যাটের সাথে মিলে যায় channels_last , এবং axis= CHANNELS_FIRST ডাটা ফরম্যাট channels_first এর সাথে মিলে যায়।
বীজ	এলোমেলো সংখ্যা প্রজন্মের জন্য বীজ. একটি প্রদত্ত বীজ দিয়ে তৈরি একটি ইনিশিয়ালাইজার সর্বদা একটি প্রদত্ত আকার এবং ডেটা টাইপের জন্য একই র্যান্ডম টেনসর তৈরি করবে।
প্রকার	ভেরিয়েবল এবং ফলাফলের ধরন

পাবলিক পদ্ধতি

সর্বজনীন অপারেন্ড <T> কল ( Operand <? প্রসারিত TNumber > লেবেল, Operand <? প্রসারিত TNumber > পূর্বাভাস)

labels এবং predictions মধ্যে ওজনযুক্ত ক্ষতি গণনা করে৷

পরামিতি

লেবেল	সত্য মান বা লেবেল
ভবিষ্যদ্বাণী	ভবিষ্যদ্বাণী

রিটার্নস

• ক্ষতি