Uma métrica que calcula a perda categórica de entropia cruzada entre rótulos verdadeiros e rótulos previstos.
Esta é a classe de métrica de entropia cruzada a ser usada quando há múltiplas classes de rótulos (2 ou mais). Os rótulos devem ser fornecidos como uma representação one_hot. por exemplo, quando os valores dos rótulos são [2, 0, 1]
, os rótulos Operando contém = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
Constantes herdadas
Construtores Públicos
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class<T> type) Cria uma métrica CategoricalCrossentropy que calcula a métrica de entropia cruzada entre os rótulos e as previsões. | |
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class<T> type) Cria uma métrica CategoricalCrossentropy que calcula a métrica de entropia cruzada entre os rótulos e as previsões. |
Métodos Públicos
Operando <T> |
Métodos herdados
Construtores Públicos
public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class<T> type)
Cria uma métrica CategoricalCrossentropy que calcula a métrica de entropia cruzada entre os rótulos e as previsões.
Usa um CHANNELS_LAST
para o eixo do canal.
Parâmetros
TF | as operações do TensorFlow |
---|---|
nome | o nome desta métrica, se for nulo, o nome da métrica será getSimpleName() . |
deLogits | Seja para interpretar as previsões como um tensor de valores logit ou em oposição a uma distribuição de probabilidade. |
etiqueta Suavização | valor usado para suavizar rótulos. Quando > 0, os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo labelSmoothing=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1 |
semente | a semente para geração de números aleatórios. Um inicializador criado com uma determinada semente sempre produzirá o mesmo tensor aleatório para uma determinada forma e tipo de dados. |
tipo | o tipo para as variáveis e resultado |
public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class<T> type)
Cria uma métrica CategoricalCrossentropy que calcula a métrica de entropia cruzada entre os rótulos e as previsões.
Parâmetros
TF | as operações do TensorFlow |
---|---|
nome | o nome desta métrica, se for nulo, o nome da métrica será getSimpleName() . |
deLogits | Se deve interpretar as previsões como um tensor de valores logit em oposição a uma distribuição de probabilidade. |
etiqueta Suavização | valor usado para suavizar rótulos. Quando > 0, os valores dos rótulos são suavizados, o que significa que a confiança nos valores dos rótulos é relaxada. por exemplo labelSmoothing=0.2 significa que usaremos um valor de 0.1 para o rótulo 0 e 0.9 para o rótulo 1 |
eixo | Int especificando o eixo dos canais. axis= corresponde ao formato de dados channels_last e axis= corresponde ao formato de dados channels_first . |
semente | a semente para geração de números aleatórios. Um inicializador criado com uma determinada semente sempre produzirá o mesmo tensor aleatório para uma determinada forma e tipo de dados. |
tipo | o tipo para as variáveis e resultado |
Métodos Públicos
chamada de operando público <T> ( Operando <? estende TNumber > rótulos, Operando <? estende TNumber > previsões)
Calcula a perda ponderada entre labels
e predictions
Parâmetros
rótulos | os valores de verdade ou rótulos |
---|---|
previsões | as previsões |
Devoluções
- a perda