SoftmaxCrossEntropyWithLogits

kelas akhir publik SoftmaxCrossEntropyWithLogits

Menghitung biaya entropi silang softmax dan gradien ke propagasi mundur.

Inputnya adalah logit, bukan probabilitas.

Konstanta

Rangkaian

OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

Keluaran <T>	penyangga punggung () gradien yang dipropagasi mundur (matriks batch_size x num_classes).
statis <T memperluas TNumber > SoftmaxCrossEntropyWithLogits <T>	buat ( Lingkup lingkup, fitur Operan <T>, label Operan <T>) Metode pabrik untuk membuat kelas yang membungkus operasi SoftmaxCrossEntropyWithLogits baru.
Keluaran <T>	kehilangan () Per contoh kerugian (vektor batch_size).

Metode Warisan

Dari kelas org.tensorflow.op.RawOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Kembalikan unit komputasi ini sebagai satu Operation .
String terakhir	keString ()

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 ()

Dari antarmuka org.tensorflow.op.Op

Lingkungan Eksekusi abstrak	env () Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak	op () Kembalikan unit komputasi ini sebagai satu Operation .

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "SoftmaxCrossEntropyWithLogits"

Metode Publik

Output publik <T> backprop ()

gradien yang dipropagasi mundur (matriks batch_size x num_classes).

public static SoftmaxCrossEntropyWithLogits <T> buat ( Lingkup cakupan , fitur Operan <T>, label Operan <T>)

Metode pabrik untuk membuat kelas yang membungkus operasi SoftmaxCrossEntropyWithLogits baru.

Parameter

cakupan	ruang lingkup saat ini
fitur	matriks ukuran_batch x jumlah_kelas
label	batch_size x num_classes matriks Pemanggil harus memastikan bahwa setiap kumpulan label mewakili distribusi probabilitas yang valid.

Kembali

• contoh baru SoftmaxCrossEntropyWithLogits

Output publik <T> kerugian ()

Per contoh kerugian (vektor batch_size).