이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

tf.keras.metrics.CategoricalCrossentropy

TensorFlow 1 개 버전 GitHub의에서 소스보기

레이블과 예측 사이의 crossentropy 메트릭을 계산합니다.

여러 레이블 클래스 (2 개 이상)이있는 경우에 사용하는 crossentropy 메트릭 클래스입니다. 여기에서 우리는 라벨이로 주어진 것으로 가정 one_hot 표현입니다. 예를 들어., 라벨 값이되면 2, 0, 1] y_true = [0, 0, 1], [1, 0, 0], [0, 1, 0].

name 메트릭 인스턴스 (선택 사항) 문자열 이름.
dtype 메트릭 결과 (선택) 데이터 타입.
from_logits (선택 사항) 여부 출력은 logits 텐서 것으로 예상된다. 기본적으로, 우리는 출력이 확률 분포를 인코딩 것을 고려한다.
label_smoothing [0, 1]에서 (선택적) 로트. 레이블 값이 부드럽게 될 때> 0, 라벨 값에 대한 신뢰를 의미하는 완화된다. 예 label_smoothing=0.2 우리의 값 사용해야한다는 0.1 라벨 00.9 라벨 1 "

독립형 사용 :

# EPSILON = 1e-7, y = y_true, y` = y_pred
# y` = clip_ops.clip_by_value(output, EPSILON, 1. - EPSILON)
# y` = [[0.05, 0.95, EPSILON], [0.1, 0.8, 0.1]]
# xent = -sum(y * log(y'), axis = -1)
#      = -((log 0.95), (log 0.1))
#      = [0.051, 2.302]
# Reduced xent = (0.051 + 2.302) / 2
m = tf.keras.metrics.CategoricalCrossentropy()
m.update_state([[0, 1, 0], [0, 0, 1]],
               [[0.05, 0.95, 0], [0.1, 0.8, 0.1]])
m.result().numpy()
1.1769392
m.reset_states()
m.update_state([[0, 1, 0], [0, 0, 1]],
               [[0.05, 0.95, 0], [0.1, 0.8, 0.1]],
               sample_weight=tf.constant([0.3, 0.7]))
m.result().numpy()
1.6271976

와 사용 compile() API :

 model.compile(
  optimizer='sgd',
  loss='mse',
  metrics=[tf.keras.metrics.CategoricalCrossentropy()])
 

행동 양식

reset_states

소스보기

메트릭 상태 변수를 모두 재설정합니다.

메트릭은 훈련 기간 동안 평가 될 때이 기능은, 신 (新) 시대 / 단계 사이라고합니다.

result

소스보기

계산하여 반환 메트릭 값 텐서를.

계산 결과는 단순히 상기 상태 변수를 이용하여 통계 값을 산출 멱등 동작이다.

update_state

소스보기

통계 통계를 축적한다.

y_truey_pred 같은 모양이 있어야합니다.

인수
y_true 지상의 진리 값. 형상 = [batch_size, d0, .. dN] .
y_pred 예측 값. 형상 = [batch_size, d0, .. dN] .
sample_weight 선택적 sample_weight 상기 메트릭에 대한 계수로서 작용한다. 스칼라가 제공되는 경우, 상기 메트릭은 단순히 주어진 값에 의해 스케일링된다. 경우 sample_weight 크기의 텐서 [batch_size] , 배치의 각각의 샘플에 대한 그 메트릭은의 대응 요소에 의해 재 스케일링된다 sample_weight 벡터. 형상 경우 sample_weight 있다 [batch_size, d0, .. dN-1] (또는이 형상에 방송 될 수있다)는, 다음의 각 측정 원소 y_pred 의 대응하는 값에 의해 스케일링된다 sample_weight . (주에 dN-1 : 모든 메트릭 함수는 1 개 차원으로 감소 보통 마지막 축 (-1)).

보고
업데이트 연산.