SparseSoftmaxCrossEntropyWithLogits

SparseSoftmaxCrossEntropyWithLogits clase pública

Constructores públicos

SparseSoftmaxCrossEntropyWithLogits ()

Métodos públicos

estática <T se extiende TNumber , U se extiende TNumber > Operando

sparseSoftmaxCrossEntropyWithLogits ( Alcance alcance, operando <T> etiquetas, operando <U> logits) Calcula escasa softmax entropía cruzada entre logits y labels .

Métodos heredados

De la clase java.lang.Object

booleano	equals (Object arg0)
Clase final <?>	getClass ()
En t	hashCode ()
vacío final	notificar ()
vacío final	notifyAll ()
Cuerda	toString ()
vacío final	espera (tiempo arg0, arg1 int)
vacío final	espera (arg0 largo)
vacío final	wait ()

Constructores públicos

SparseSoftmaxCrossEntropyWithLogits públicos ()

Métodos públicos

public static Operando sparseSoftmaxCrossEntropyWithLogits ( Alcance alcance, operando <T> etiquetas, operando <U> logits)

Calcula escasa softmax entropía cruzada entre logits y labels .

Mide el error de probabilidad en tareas de clasificación discretas en las que las clases son mutuamente excluyentes (cada entrada pertenece exactamente a una clase). Por ejemplo, cada imagen CIFAR-10 está etiquetada con una y solo una etiqueta: una imagen puede ser un perro o un camión, pero no ambos.

NOTA:

Para esta operación, la probabilidad de una etiqueta determinada se considera exclusiva. Es decir, las clases suaves no están permitidos, y la labels vector debe proporcionar un único índice específico para la clase verdadera para cada fila de logits (cada entrada minibatch). Para la clasificación softmax blando, con una distribución de probabilidad para cada entrada, ERROR(/org.tensorflow.op.NnOps#softmaxCrossEntropyWithLogits) .

ADVERTENCIA:

Esta op espera logits sin escala, ya que realiza una softmax en logits internamente para la eficiencia. No llame a esta operación con la salida de softmax , ya que producirá resultados incorrectos.

Un caso de uso común es tener logits de la forma [batchSize, numClasses] y tener etiquetas de forma [batchSize] , pero dimensiones superiores son compatibles, en cuyo caso el dim dimensión -ésimo se supone que es de tamaño numClasses . logits deben tener la tipo de datos de TFloat16 , TFloat32 o TFloat64 , y labels deben tener la dtype de TInt32 o TInt64 .

Parámetros

alcance	alcance actual
etiquetas	Tensor de forma [d_0, d_1, ..., d_{r-1}] (donde r es el rango de labels y resultado) y el tipo de datos es TInt32 o TInt64 . Cada entrada en labels debe ser un índice en [0, numClasses) . Otros valores provocará una excepción cuando esta operación se ejecuta en la CPU, y volver NaN de pérdidas y gradiente filas correspondientes en la GPU.
logits	Por etiqueta activaciones (típicamente una salida lineal) de la forma [d_0, d_1, ..., d_{r-1}, numClasses] y tipo de datos de TFloat16 , TFloat32 , o TFloat64 . Estas energías de activación se interpretan como probabilidades de registro no normalizadas.

Devoluciones

• A Tensor de la misma forma que labels y del mismo tipo que logits con la pérdida de entropía cruzada softmax.

Lanza

Argumento de excepción ilegal	Si los logits son escalares (deben tener rango> = 1) o si el rango de las etiquetas no es igual al rango de los logits menos uno.