SparseSoftmaxCrossEntropyWithLogits

کلاس عمومی SparseSoftmaxCrossEntropyWithLogits

سازندگان عمومی

SparseSoftmaxCrossEntropyWithLogits ()

روش های عمومی

static <T TNumber را گسترش می دهد، U TNumber را گسترش می دهد > Operand
sparseSoftmaxCrossEntropyWithLogits ( دامنه دامنه ، برچسب های عملوند <T>، لوجیت های عملوند <U>)
آنتروپی متقاطع softmax پراکنده بین logits و labels را محاسبه می کند.

روش های ارثی

سازندگان عمومی

عمومی SparseSoftmaxCrossEntropyWithLogits ()

روش های عمومی

عمومی Static Operand sparseSoftmaxCrossEntropyWithLogits ( دامنه دامنه ، برچسب های عملوند <T>، لوجیت های عملوند <U>)

آنتروپی متقاطع softmax پراکنده بین logits و labels را محاسبه می کند.

خطای احتمال را در وظایف طبقه بندی گسسته که در آن کلاس ها متقابلاً منحصر به فرد هستند (هر ورودی دقیقاً در یک کلاس است) اندازه گیری می کند. به عنوان مثال، هر تصویر CIFAR-10 با یک و تنها یک برچسب برچسب گذاری شده است: یک تصویر می تواند یک سگ یا یک کامیون باشد، اما نه هر دو.

توجه داشته باشید:

برای این عملیات، احتمال یک برچسب معین انحصاری در نظر گرفته می شود. یعنی کلاس‌های نرم مجاز نیستند و بردار labels باید یک شاخص خاص برای کلاس واقعی برای هر ردیف از logits (هر ورودی minibatch) ارائه دهد. برای طبقه بندی نرم افزار مکس با توزیع احتمال برای هر ورودی، ERROR(/org.tensorflow.op.NnOps#softmaxCrossEntropyWithLogits) .

هشدار:

این عملیات انتظار logit‌های مقیاس‌ناپذیر را دارد، زیرا برای کارایی، یک softmax را در داخل logits انجام می‌دهد. این عملیات را با خروجی softmax فراخوانی نکنید، زیرا نتایج نادرستی ایجاد می کند.

یک مورد معمول استفاده از logit های شکل [batchSize, numClasses] و داشتن برچسب های شکل [batchSize] است، اما ابعاد بالاتر پشتیبانی می شود، در این صورت بعد dim با اندازه numClasses در نظر گرفته می شود. logits باید داشته باشد نوع داده TFloat16 ، TFloat32 ، یا TFloat64 و labels باید نوع TInt32 یا TInt64 را داشته باشند.

مولفه های
محدوده محدوده فعلی
برچسب ها Tensor شکل [d_0, d_1, ..., d_{r-1}] (که r رتبه‌بندی labels و نتیجه است) و dataType TInt32 یا TInt64 است. هر ورودی در labels باید یک شاخص در [0, numClasses) باشد. وقتی این عملیات روی CPU اجرا می‌شود، مقادیر دیگر استثنایی ایجاد می‌کنند و NaN برای ردیف‌های از دست دادن و گرادیان مربوطه در GPU برمی‌گردانند.
logits فعال‌سازی‌های هر برچسب (معمولاً خروجی خطی) شکل [d_0, d_1, ..., d_{r-1}, numClasses] و نوع داده TFloat16 ، TFloat32 ، یا TFloat64 . این انرژی‌های فعال‌سازی به‌عنوان احتمالات لاگ غیر عادی تفسیر می‌شوند.
برمی گرداند
  • Tensor به شکل labels و از همان نوع logits با افت آنتروپی متقاطع softmax.
پرتاب می کند
IllegalArgumentException اگر لاجیت ها اسکالر هستند (باید رتبه >= 1 داشته باشند) یا اگر رتبه برچسب ها با رتبه لاجیت ها منهای یک برابر نباشد.