klasa publiczna KategorycznyCrossentropia
Metryka, która oblicza kategoryczną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami.
Jest to klasa metryki crossentropii, która ma być używana, gdy istnieje wiele klas etykiet (2 lub więcej). Etykiety powinny być podane jako reprezentacja one_hot. np. gdy wartości etykiet to [2, 0, 1] , operand etykiet zawiera = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
Dziedziczone stałe
Konstruktorzy publiczni
KategoryczneCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, długie ziarno, typ Class<T>) Tworzy metrykę CategoricalCrossentropy, która oblicza metrykę crossentropy między etykietami i prognozami. | |
KategoryczneCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, oś int, długie ziarno, typ Class<T>) Tworzy metrykę CategoricalCrossentropy, która oblicza metrykę crossentropy między etykietami i prognozami. |
Metody publiczne
| Argument <T> |
Metody dziedziczone
Konstruktorzy publiczni
public CategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, długie ziarno, typ Class<T>)
Tworzy metrykę CategoricalCrossentropy, która oblicza metrykę crossentropy między etykietami i prognozami.
Używa CHANNELS_LAST dla osi kanału.
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | nazwa tej metryki, jeśli ma wartość null, to nazwa metryki to getSimpleName() . |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych, czy w przeciwieństwie do rozkładu prawdopodobieństwa. |
| etykietaWygładzanie | wartość używana do wygładzania etykiet. Gdy > 0, wartości etykiet są wygładzane, co oznacza, że pewność wartości etykiet jest zmniejszona. np. labelSmoothing=0.2 oznacza, że użyjemy wartości 0.1 dla etykiety 0 i 0.9 dla etykiety 1 |
| nasionko | materiał siewny do generowania liczb losowych. Inicjator utworzony z danego ziarna zawsze będzie generował ten sam losowy tensor dla danego kształtu i typu danych. |
| typ | typ zmiennych i wynik |
public CategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, oś int, długie ziarno, typ Class<T>)
Tworzy metrykę CategoricalCrossentropy, która oblicza metrykę crossentropy między etykietami i prognozami.
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | nazwa tej metryki, jeśli ma wartość null, to nazwa metryki to getSimpleName() . |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych, a nie jako rozkład prawdopodobieństwa. |
| etykietaWygładzanie | wartość używana do wygładzania etykiet. Gdy > 0, wartości etykiet są wygładzane, co oznacza, że pewność wartości etykiet jest zmniejszona. np. labelSmoothing=0.2 oznacza, że użyjemy wartości 0.1 dla etykiety 0 i 0.9 dla etykiety 1 |
| oś | Int określający oś kanałów. axis= odpowiada formatowi channels_last , a axis= odpowiada formatowi channels_first . |
| nasionko | materiał siewny do generowania liczb losowych. Inicjator utworzony z danego ziarna zawsze będzie generował ten sam losowy tensor dla danego kształtu i typu danych. |
| typ | typ zmiennych i wynik |