পাবলিক ক্লাস SigmoidCrossEntropyWithLogits
পাবলিক কনস্ট্রাক্টর
পাবলিক পদ্ধতি
| স্ট্যাটিক <T TNumber > Operand <T> প্রসারিত করে | sigmoidCrossEntropyWithLogits ( স্কোপ স্কোপ, Operand <T> লেবেল, Operand <T> লগিট) সিগমায়েড ক্রস এনট্রপি প্রদত্ত logits গণনা করে। |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক কনস্ট্রাক্টর
পাবলিক সিগময়েডক্রসএনট্রপি উইথলজিটস ()
পাবলিক পদ্ধতি
পাবলিক স্ট্যাটিক অপারেন্ড <T> sigmoidCrossEntropyWithLogits ( স্কোপ স্কোপ, Operand <T> লেবেল, Operand <T> লগিট)
সিগমায়েড ক্রস এনট্রপি প্রদত্ত logits গণনা করে।
বিচ্ছিন্ন শ্রেণীবিভাগের কার্যগুলির সম্ভাব্যতা ত্রুটি পরিমাপ করে যেখানে প্রতিটি শ্রেণী স্বাধীন এবং পারস্পরিক একচেটিয়া নয়। উদাহরণস্বরূপ, কেউ মাল্টিলেবেল শ্রেণীবিভাগ করতে পারে যেখানে একটি ছবিতে একই সময়ে একটি হাতি এবং একটি কুকুর উভয়ই থাকতে পারে।
সংক্ষিপ্ততার জন্য, x = logits , z = labels দিন। ছদ্ম কোডে লজিস্টিক ক্ষতি হল
z * -log(sigmoid(x)) + (1 - z) * -log(1 - sigmoid(x)) = z * -log(1 / (1 + exp(-x))) + (1 - z) * -log(exp(-x) / (1 + exp(-x))) = z * log(1 + exp(-x)) + (1 - z) * (-log(exp(-x)) + log(1 + exp(-x))) = z * log(1 + exp(-x)) + (1 - z) * (x + log(1 + exp(-x)) = (1 - z) * x + log(1 + exp(-x)) = x - x * z + log(1 + exp(-x))
x < 0 এর জন্য, exp(-x) এ ওভারফ্লো এড়ানোর জন্য, আমরা উপরের
x - x * z + log(1 + exp(-x)) = log(exp(x)) - x * z + log(1 + exp(-x)) = - x * z + log(1 + exp(x))টিকে সংস্কার করি
তাই, স্থিতিশীলতা নিশ্চিত করতে এবং ওভারফ্লো এড়াতে, বাস্তবায়ন এই সমতুল্য ফর্মুলেশন ব্যবহার করে
max(x, 0) - x * z + log(1 + exp(-abs(x)))
লগিট এবং labels একই ধরনের এবং আকৃতি থাকতে হবে।
পরামিতি
| সুযোগ | টেনসরফ্লো সুযোগ |
|---|---|
| লেবেল | লেবেল |
| লগিট | float32 বা float64 টাইপের লগিট |
রিটার্নস
- উপাদান অনুযায়ী লজিস্টিক ক্ষতি.
নিক্ষেপ করে
| অবৈধ আর্গুমেন্ট ব্যতিক্রম | যদি logits' এবং labels'-এর আকৃতি একই না থাকে |
|---|