คอนสตรัคชั่นสาธารณะ
วิธีการสาธารณะ
| คงที่ <T ขยาย TNumber , U ขยาย TNumber > ตัวถูกดำเนินการ <T> | softmaxCrossEntropyWithLogits (ขอบเขต ขอบเขต , ป้ายกำกับ Operand <U>, การบันทึก Operand <T>, แกน int) คำนวณเอนโทรปีข้าม softmax ระหว่าง logits และ labels |
วิธีการสืบทอด
คอนสตรัคชั่นสาธารณะ
SoftmaxCrossEntropyWithLogits สาธารณะ ()
วิธีการสาธารณะ
ตัวดำเนินการ คงที่สาธารณะ <T> softmaxCrossEntropyWithLogits (ขอบเขต ขอบเขต , ป้ายกำกับตัว ดำเนินการ <U>, ตัวดำเนินการ <T> บันทึก, แกน int)
คำนวณเอนโทรปีข้าม softmax ระหว่าง logits และ labels
วัดข้อผิดพลาดของความน่าจะเป็นในงานการจำแนกประเภทแบบแยกซึ่งคลาสไม่เกิดร่วมกัน (แต่ละรายการอยู่ในคลาสเดียวเท่านั้น) ตัวอย่างเช่น รูปภาพ CIFAR-10 แต่ละรูปจะมีป้ายกำกับเพียงป้ายกำกับเดียวเท่านั้น รูปภาพอาจเป็นสุนัขหรือรถบรรทุกก็ได้ แต่ไม่ใช่ทั้งสองอย่าง
บันทึก:
แม้ว่าคลาสจะแยกจากกัน แต่ก็ไม่จำเป็นต้องมีความน่าจะเป็น สิ่งที่ต้องทำก็แค่แต่ละแถวของ labels เป็นการแจกแจงความน่าจะเป็นที่ถูกต้อง หากไม่เป็นเช่นนั้น การคำนวณการไล่ระดับสีจะไม่ถูกต้อง
หากใช้ labels พิเศษ (โดยที่คลาสเดียวเท่านั้นเป็นจริงในแต่ละครั้ง) โปรดดู ERROR(/org.tensorflow.op.NnOps#sparseSoftmaxCrossEntropyWithLogits)
การใช้งาน:
Operand<TFloat32> logits =
tf.constant(new float[][] { {4.0F, 2.0F, 1.0F}, {0.0F, 5.0F, 1.0F} } );
Operand<TFloat32> labels =
tf.constant(new float[][] { {1.0F, 0.0F, 0.0F}, {0.0F, 0.8F, 0.2F} } );
Operand<TFloat32> output =
tf.nn.softmaxCrossEntropyWithLogits(labels, logits, -1);
// output Shape = [2]
// dataType = FLOAT (1)
// values { 0.169846, 0.824745 }
การเผยแพร่ย้อนกลับจะเกิดขึ้นทั้งใน logits และ labels หากต้องการไม่อนุญาตให้มีการแพร่กระจายกลับเข้าไปใน labels ให้ส่งผ่าน label tensor ผ่าน tf.stopGradient ก่อนที่จะป้อนให้กับฟังก์ชันนี้
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| ฉลาก | เวกเตอร์แต่ละตัวตามมิติของคลาสควรมีการแจกแจงความน่าจะเป็นที่ถูกต้อง เช่น ในกรณีที่ป้ายกำกับมีรูปร่าง [batch_size, num_classes] แต่ละแถวของ labels[i] จะต้องเป็นการแจกแจงความน่าจะเป็นที่ถูกต้อง |
| บันทึก | การเปิดใช้งานตามฉลาก โดยทั่วไปจะเป็นเอาต์พุตเชิงเส้น พลังงานกระตุ้นเหล่านี้ถูกตีความว่าเป็นความน่าจะเป็นของบันทึกที่ไม่ปกติ |
| แกน | มิติของชั้นเรียน -1 คือมิติสุดท้าย |
การส่งคืน
- การสูญเสียเอนโทรปีข้ามซอฟต์แม็กซ์ ประเภทจะเหมือนกับ
logitsและรูปร่างจะเหมือนกับlabelsยกเว้นว่าไม่มีมิติสุดท้ายของlabels