공개 클래스 CategoricalCrossentropy
실제 레이블과 예측 레이블 간의 범주형 교차 엔트로피 손실을 계산하는 측정항목입니다.
여러 레이블 클래스(2개 이상)가 있을 때 사용되는 교차엔트로피 측정항목 클래스입니다. 라벨은 one_hot 표현으로 제공되어야 합니다. 예를 들어 레이블 값이 [2, 0, 1] 인 경우 레이블 피연산자에는 = [[0, 0, 1], [1, 0, 0], [0, 1, 0]] 포함됩니다.
상속된 상수
공공 생성자
CategoricalCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, 긴 시드, Class<T> 유형) 레이블과 예측 간의 교차엔트로피 측정항목을 계산하는 CategoricalCrossentropy 측정항목을 만듭니다. | |
CategoricalCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, int 축, 긴 시드, Class<T> 유형) 레이블과 예측 간의 교차엔트로피 측정항목을 계산하는 CategoricalCrossentropy 측정항목을 만듭니다. |
공개 방법
| 피연산자 <T> |
상속된 메서드
공공 생성자
공개 CategoricalCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, 긴 시드, Class<T> 유형)
레이블과 예측 간의 교차엔트로피 측정항목을 계산하는 CategoricalCrossentropy 측정항목을 만듭니다.
채널 축에 CHANNELS_LAST 사용합니다.
매개변수
| tf | TensorFlow 작업 |
|---|---|
| 이름 | 이 측정항목의 이름입니다. null인 경우 측정항목 이름은 getSimpleName() 입니다. |
| fromLogits | 예측을 로짓 값의 텐서로 해석할지 아니면 확률 분포와 반대로 해석할지 여부입니다. |
| labelSmoothing | 레이블을 평활화하는 데 사용되는 값. 0보다 크면 레이블 값이 평활화됩니다. 이는 레이블 값에 대한 신뢰도가 완화됨을 의미합니다. 예를 들어 labelSmoothing=0.2 레이블 0 에 0.1 값을 사용하고 레이블 1 에 0.9 값을 사용한다는 의미입니다. |
| 씨앗 | 난수 생성을 위한 시드입니다. 주어진 시드로 생성된 초기화는 항상 주어진 형태와 데이터 유형에 대해 동일한 무작위 텐서를 생성합니다. |
| 유형 | 변수 및 결과의 유형 |
public CategoricalCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, int 축, 긴 시드, Class<T> 유형)
레이블과 예측 간의 교차엔트로피 측정항목을 계산하는 CategoricalCrossentropy 측정항목을 만듭니다.
매개변수
| tf | TensorFlow 작업 |
|---|---|
| 이름 | 이 측정항목의 이름입니다. null인 경우 측정항목 이름은 getSimpleName() 입니다. |
| fromLogits | 예측을 확률 분포가 아닌 로짓 값의 텐서로 해석할지 여부입니다. |
| labelSmoothing | 레이블을 평활화하는 데 사용되는 값. 0보다 크면 레이블 값이 평활화됩니다. 즉, 레이블 값에 대한 신뢰도가 완화됩니다. 예를 들어 labelSmoothing=0.2 레이블 0 에 0.1 값을 사용하고 레이블 1 에 0.9 값을 사용한다는 의미입니다. |
| 중심선 | 채널 축을 지정하는 Int입니다. axis= channels_last 데이터 형식에 해당하고 axis= channels_first 데이터 형식에 해당합니다. |
| 씨앗 | 난수 생성을 위한 시드입니다. 주어진 시드로 생성된 초기화는 항상 주어진 형태와 데이터 유형에 대해 동일한 무작위 텐서를 생성합니다. |
| 유형 | 변수 및 결과의 유형 |