SigmoidCrossEntropyWithLogits

classe pubblica SigmoidCrossEntropyWithLogits

Costruttori pubblici

SigmoidCrossEntropyWithLogits ()

Metodi pubblici

statico <T estende TNumero > Operando <T>

sigmoidCrossEntropyWithLogits ( ambito ambito , etichette operando <T>, logit operando <T>) Calcola l'entropia incrociata del sigmoide dati logits .

Metodi ereditati

Dalla classe java.lang.Object

booleano	è uguale a (Oggetto arg0)
Classe finale<?>	getClass ()
int	codice hash ()
vuoto finale	notificare ()
vuoto finale	notificaTutti ()
Corda	accordare ()
vuoto finale	attendere (lungo arg0, int arg1)
vuoto finale	aspetta (lungo arg0)
vuoto finale	Aspettare ()

Costruttori pubblici

pubblico SigmoidCrossEntropyWithLogits ()

Metodi pubblici

operando statico pubblico <T> sigmoidCrossEntropyWithLogits ( ambito ambito , etichette operando <T>, logit operando <T>)

Calcola l'entropia incrociata del sigmoide dati logits .

Misura l'errore di probabilità nei compiti di classificazione discreta in cui ciascuna classe è indipendente e non si esclude a vicenda. Ad esempio, è possibile eseguire una classificazione multietichetta in cui un'immagine può contenere contemporaneamente sia un elefante che un cane.

Per brevità, sia x = logits , z = labels . La perdita logistica nello pseudocodice è

 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))
 

Per x < 0 , per evitare overflow in exp(-x) , riformuliamo il precedente

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

Pertanto, per garantire stabilità ed evitare overflow, l'implementazione utilizza questa formulazione equivalente

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

logit ed labels devono avere lo stesso tipo e forma.

Parametri

scopo	L'ambito TensorFlow
etichette	le etichette
logits	i logit di tipo float32 o float64

ritorna

• le perdite logistiche in termini di componenti.

Lancia

IllegalArgumentException	se logits ed etichette non hanno la stessa forma