SigmoidCrossEntropyWithLogits

kelas publik SigmoidCrossEntropyWithLogits

Konstruktor Publik

SigmoidCrossEntropyDenganLogits ()

Metode Publik

statis <T memperluas TNomber > Operan <T>

sigmoidCrossEntropyWithLogits ( Lingkup cakupan, label Operan <T>, logit Operan <T>) Menghitung entropi silang sigmoid berdasarkan logits .

Metode Warisan

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Konstruktor Publik

SigmoidCrossEntropyWithLogits publik ()

Metode Publik

Operan statis publik <T> sigmoidCrossEntropyWithLogits ( Lingkup cakupan, label Operan <T>, logit Operan <T>)

Menghitung entropi silang sigmoid berdasarkan logits .

Mengukur kesalahan probabilitas dalam tugas klasifikasi diskrit di mana setiap kelas bersifat independen dan tidak saling eksklusif. Misalnya, seseorang dapat melakukan klasifikasi multilabel di mana sebuah gambar dapat memuat gajah dan anjing secara bersamaan.

Untuk singkatnya, misalkan x = logits , z = labels . Kerugian logistik dalam kode semu adalah

 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))
 

Untuk x < 0 , untuk menghindari overflow di exp(-x) , kami memformulasi ulang

 x - x * z + log(1 + exp(-x))
  = log(exp(x)) - x * z + log(1 + exp(-x))
  = - x * z + log(1 + exp(x))
 

di atas

Oleh karena itu, untuk memastikan stabilitas dan menghindari luapan, implementasinya menggunakan formulasi setara

   max(x, 0) - x * z + log(1 + exp(-abs(x)))
 

logit dan labels harus mempunyai jenis dan bentuk yang sama.

Parameter

cakupan	Cakupan TensorFlow
label	labelnya
logit	logit tipe float32 atau float64

Kembali

• kerugian logistik berdasarkan komponen.

Melempar

Pengecualian Argumen Ilegal	jika logit' dan label' tidak mempunyai bentuk yang sama