CategoricalCrossentropy

clase pública CategóricaCrossentropía

Métrica que calcula la pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas previstas.

Esta es la clase de métrica de entropía cruzada que se utilizará cuando haya varias clases de etiquetas (2 o más). Las etiquetas deben proporcionarse como una representación one_hot. por ejemplo, cuando los valores de las etiquetas son [2, 0, 1] , las etiquetas Operando contienen = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]

Constantes heredadas

De la clase org.tensorflow.framework.metrics.impl.Reduce

Cadena	CONTAR
Cadena	TOTAL

Constructores Públicos

	CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, semilla larga, tipo Class<T>) Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.
	CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, eje int, semilla larga, tipo Class<T>) Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.

Métodos públicos

Operando <T>

llamada ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones) Calcula la pérdida ponderada entre labels y predictions

Métodos heredados

De la clase org.tensorflow.framework.metrics.impl.MeanMetricWrapper

Métrica de pérdida <T>	obtenerpérdida () Obtiene la función de pérdida.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea operaciones que actualizan el estado de la métrica media llamando a la función de pérdida y pasando la pérdida a la métrica media para calcular la media ponderada de la pérdida en muchas iteraciones.

De la clase org.tensorflow.framework.metrics.impl.Reduce

Variable <T>	obtenerContar () Obtiene la variable de recuento
Clase<T>	getResultType () Obtiene el tipo de las variables.
Variable <T>	obtenerTotal () Obtiene la variable total
Op.	restablecerEstados () Restablece cualquier variable de estado a sus valores iniciales.
Operando <T>	resultado () Obtiene el resultado actual de la métrica.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Actualiza las variables métricas en función de las entradas.

De la clase org.tensorflow.framework.metrics.Metric

Operando final <T>	callOnce ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Las llamadas actualizan el estado una vez, seguidas de una llamada para obtener el resultado
Cadena	obtenerNombre () Obtiene el nombre de esta métrica.
largo	obtener semilla () Obtiene el valor inicial del generador de números aleatorios.
operaciones	obtenerTF () Obtiene las operaciones de TensorFlow
operación abstracta	restablecerEstados () Restablece cualquier variable de estado a sus valores iniciales.
Operando abstracto <T>	resultado () Obtiene el resultado actual de la métrica.
operación final	updateState ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
operación final	updateState ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones, Operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica en función de etiquetas y predicciones.
Lista< Op . >	updateStateList ( Operando <? extiende TNumber > valores, Operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica en función de los valores de entrada.

De la clase java.lang.Object

booleano	es igual (Objeto arg0)
Clase final<?>	obtenerclase ()
En t	código hash ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cadena	Encadenar ()
vacío final	esperar (arg0 largo, int arg1)
vacío final	espera (largo arg0)
vacío final	esperar ()

Desde la interfaz org.tensorflow.framework.metrics.impl.LossMetric

Operando abstracto <T>

llamada ( Operando <? extiende TNumber > etiquetas, Operando <? extiende TNumber > predicciones) Calcula la pérdida ponderada entre labels y predictions

Constructores Públicos

pública CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, etiqueta flotanteSuavizado, semilla larga, tipo Clase<T>)

Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.

Utiliza CHANNELS_LAST para el eje del canal.

Parámetros

tf	las operaciones de TensorFlow
nombre	el nombre de esta métrica; si es nulo, el nombre de la métrica es getSimpleName() .
desdeLogits	Si se deben interpretar las predicciones como un tensor de valores logit o en lugar de una distribución de probabilidad.
etiquetaSuavizado	valor utilizado para suavizar las etiquetas. Cuando > 0, los valores de las etiquetas se suavizan, lo que significa que la confianza en los valores de las etiquetas se relaja. por ejemplo, labelSmoothing=0.2 significa que usaremos un valor de 0.1 para la etiqueta 0 y 0.9 para la etiqueta 1
semilla	la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos determinados.
tipo	el tipo de las variables y el resultado

public CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, eje int, semilla larga, tipo Class<T>)

Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.

Parámetros

tf	las operaciones de TensorFlow
nombre	el nombre de esta métrica; si es nulo, el nombre de la métrica es getSimpleName() .
desdeLogits	Si se deben interpretar las predicciones como un tensor de valores logit en lugar de una distribución de probabilidad.
etiquetaSuavizado	valor utilizado para suavizar las etiquetas. Cuando > 0, los valores de las etiquetas se suavizan, lo que significa que la confianza en los valores de las etiquetas se relaja. por ejemplo, labelSmoothing=0.2 significa que usaremos un valor de 0.1 para la etiqueta 0 y 0.9 para la etiqueta 1
eje	Int especificando el eje de los canales. axis= CHANNELS_LAST corresponde al formato de datos channels_last y axis= CHANNELS_FIRST corresponde al formato de datos channels_first .
semilla	la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos determinados.
tipo	el tipo de las variables y el resultado

Métodos públicos

Llamada pública al operando <T> ( operando <? extiende las etiquetas TNumber >, operando <? extiende las predicciones TNumber >)

Calcula la pérdida ponderada entre labels y predictions

Parámetros

etiquetas	los valores o etiquetas de verdad
predicciones	las predicciones

Devoluciones

• la pérdida