CategoricalCrossentropy

clase pública CategoricalCrossentropy

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

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

Constantes heredadas

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

Cuerda	CONTAR
Cuerda	TOTAL

Constructores públicos

	CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class <T> tipo) Crea una métrica de cruce de entropía categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.
	CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class <T> tipo) Crea una métrica de cruce de entropía 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

LossMetric <T>	getLoss () 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>	getCount () Obtiene la variable de recuento
Clase <T>	getResultType () Obtiene el tipo de las variables
Variable <T>	getTotal () Obtiene la variable total
Op	resetStates () Restablece las variables 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) Llama al estado de actualización una vez, seguido de una llamada para obtener el resultado
Cuerda	getName () Obtiene el nombre de esta métrica.
largo	getSeed () Obtiene el valor inicial del generador de números aleatorios
Ops	getTF () Obtiene las operaciones de TensorFlow
Op abstracto	resetStates () Restablece las variables de estado a sus valores iniciales.
operando abstracto <T>	resultado () Obtiene el resultado actual de la métrica
Op 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
Op 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 según las etiquetas y las 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 a (Objeto arg0)
Clase final <?>	getClass ()
En t	hashCode ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cuerda	toString ()
vacío final	esperar (largo arg0, 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

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

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

Utiliza un 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() .
deLogits	Si se deben interpretar las predicciones como un tensor de valores logit o como opuestas a una distribución de probabilidad.
labelSmoothing	valor utilizado para suavizar las etiquetas, cuando> 0, los valores de la etiqueta se suavizan, lo que significa que la confianza en los valores de la etiqueta 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 dada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos dados.
tipo	el tipo de las variables y el resultado

public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class <T> tipo)

Crea una métrica de cruce de entropía 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() .
deLogits	Si se deben interpretar las predicciones como un tensor de valores logit en contraposición a una distribución de probabilidad.
labelSmoothing	valor utilizado para suavizar etiquetas, cuando> 0, los valores de etiqueta se suavizan, lo que significa que la confianza en los valores de etiqueta 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 dada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos dados.
tipo	el tipo de las variables y el resultado

Métodos públicos

Operando público <T> llamada ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones)

Calcula la pérdida ponderada entre labels y predictions

Parámetros

etiquetas	los valores de verdad o etiquetas
predicciones	las predicciones

Devoluciones

• la pérdida