CategoricalCrossentropy

الطبقة العامة CategoricalCrossentropy

يحسب خسارة الانتروبيا بين التسميات والتنبؤات.

استخدم وظيفة فقدان الانتروبيا هذه عندما يكون هناك فئتان أو أكثر من فئات التصنيف. نتوقع أن يتم توفير التصنيفات بطريقة تمثيلية one_hot. إذا كنت تريد تقديم التسميات كأعداد صحيحة، فيرجى استخدام خسارة SparseCategoricalCrossentropy . يجب أن يكون هناك # classes قيم الفاصلة العائمة لكل ميزة.

الاستخدام المستقل:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0, 1, 0}, {0, 0, 1} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.05f, 0.95f, 0f}, {0.1f, 0.8f, 0.1f} });
    CategoricalCrossentropy cce = new CategoricalCrossentropy(tf);
    Operand<TFloat32> result = cce.call(labels, predictions);
    // produces 1.177

الاتصال مع وزن العينة:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f});
    Operand<TFloat32> result = cce.call(labels, predictions, sampleWeight);
    // produces 0.814f

باستخدام نوع التخفيض SUM :

    CategoricalCrossentropy cce = new CategoricalCrossentropy(tf, Reduction.SUM);
    Operand<TFloat32> result = cce.call(labels, predictions);
    // produces 2.354f

باستخدام نوع التخفيض NONE :

    CategoricalCrossentropy cce =
        new CategoricalCrossentropy(tf, Reduction.NONE);
    Operand<TFloat32> result = cce.call(labels, predictions);
    // produces [0.0513f, 2.303f]

الثوابت

كثافة العمليات DEFAULT_AXIS
منطقية FROM_LOGITS_DEFAULT
يطفو LABEL_SMOOTHING_DEFAULT

الحقول الموروثة

المقاولون العامون

الانتروبيا الفئوية (Ops tf)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة لـ REDUCTION_DEFAULT ، ومحور DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، اسم السلسلة)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing وتقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور DEFAULT_AXIS
الانتروبيا الفئوية (Ops tf، تقليل التخفيض )
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، اسم السلسلة، تقليل التخفيض )
ينشئ خسارة إنتروبيا متقاطعة فئوية FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، منطقية من Logits)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، boolean fromLogits، float labelSmoothing)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة تجانس)
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور القناة DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، boolean fromLogits، تجانس التسمية العائمة، تقليل التخفيض )
ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم خسارة ومحور قناة DEFAULT_AXIS
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، تقليل التخفيض ، محور int)
يخلق خسارة الانتروبيا القاطعة

الأساليب العامة

<T يمتد TNumber > المعامل <T>
استدعاء ( المعامل <؟ يمتد تسميات TNumber >، تنبؤات المعامل <T>، المعامل <T> SampleWeights)
يولد المعامل الذي يحسب الخسارة.

الطرق الموروثة

الثوابت

int النهائي الثابت العام DEFAULT_AXIS

القيمة الثابتة: -1

المنطق المنطقي النهائي العام الثابت FROM_LOGITS_DEFAULT

القيمة الثابتة: خطأ

التعويم النهائي الثابت العام LABEL_SMOOTHING_DEFAULT

القيمة الثابتة: 0.0

المقاولون العامون

CategoricalCrossentropy العامة (Ops tf)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة لـ REDUCTION_DEFAULT ، ومحور DEFAULT_AXIS

حدود
tf عمليات TensorFlow

CategoricalCrossentropy العامة (Ops tf، اسم السلسلة)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing وتقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور DEFAULT_AXIS

حدود
tf عمليات TensorFlow
اسم اسم هذه الخسارة

CategoricalCrossentropy العام (Ops tf، تقليل التخفيض )

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، FROM_LOGITS_DEFAULT لـ fromLogits، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS

حدود
tf عمليات TensorFlow
تخفيض نوع التخفيض الذي سيتم تطبيقه على الخسارة.

CategoricalCrossentropy العامة (Ops tf، اسم السلسلة، تقليل التخفيض )

ينشئ خسارة إنتروبيا متقاطعة فئوية FROM_LOGITS_DEFAULT لـ fromLogits و LABEL_SMOOTHING_DEFAULT لـ labelSmoothing ومحور DEFAULT_AXIS

حدود
tf عمليات TensorFlow
اسم اسم هذه الخسارة
تخفيض نوع التخفيض الذي سيتم تطبيقه على الخسارة.

CategoricalCrossentropy العامة (Ops tf، boolean fromLogits)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور DEFAULT_AXIS

حدود
tf عمليات TensorFlow
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية

CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام LABEL_SMOOTHING_DEFAULT لـ labelSmoothing، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS

حدود
tf عمليات TensorFlow
اسم اسم هذه الخسارة
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية

CategoricalCrossentropy العامة (Ops tf، boolean fromLogits، float labelSmoothing)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT ، ومحور قناة DEFAULT_AXIS

حدود
tf عمليات TensorFlow
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية
labelSmoothing تطفو في [0, 1] . عندما > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1

CategoricalCrossentropy العامة (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة تجانس)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT ومحور القناة DEFAULT_AXIS

حدود
tf عمليات TensorFlow
اسم اسم هذه الخسارة
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية
labelSmoothing تطفو في [0, 1] . عندما > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1

CategoricalCrossentropy العامة (Ops tf، boolean fromLogits، float labelSmoothing، Reduction Reduction)

ينشئ خسارة إنتروبيا متقاطعة فئوية باستخدام getSimpleName() كاسم خسارة ومحور قناة DEFAULT_AXIS

حدود
tf عمليات TensorFlow
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية
labelSmoothing تطفو في [0, 1] . عندما > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، x=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1
تخفيض نوع التخفيض الذي سيتم تطبيقه على الخسارة.

CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، تقليل التخفيض ، محور int)

يخلق خسارة الانتروبيا القاطعة

حدود
tf عمليات TensorFlow
اسم اسم هذه الخسارة
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية
labelSmoothing تطفو في [0, 1] . عندما > 0 ، يتم تسوية قيم التسمية، مما يعني تخفيف الثقة في قيم التسمية. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1
تخفيض نوع التخفيض الذي سيتم تطبيقه على الخسارة.
محور محور القنوات axis=-1 يتوافق مع تنسيق البيانات "القنوات الأخيرة" والمحور axis=1 يتوافق مع تنسيق البيانات "القنوات أولاً". CHANNELS_LAST و CHANNELS_FIRST
رميات
IllegalArgumentException إذا لم يكن labelSmoothing ضمن النطاق الشامل من 0. - 1.

الأساليب العامة

استدعاء المعامل العام <T> ( المعامل <؟ يمتد تسميات TNumber >، تنبؤات المعامل <T>، عينات المعامل <T>)

يولد المعامل الذي يحسب الخسارة.

إذا تم تشغيله في وضع الرسم البياني، فسوف يؤدي الحساب إلى طرح TFInvalidArgumentException إذا كانت قيم التنبؤات خارج النطاق o [0. إلى 1.]. في وضع Eager، سيؤدي هذا الاستدعاء إلى طرح IllegalArgumentException ، إذا كانت قيم التنبؤات خارج النطاق o [0. إلى 1.]

حدود
التسميات قيم الحقيقة أو التسميات
التنبؤات التوقعات، يجب أن تكون القيم في النطاق [0. إلى 1.] شاملا.
SampleWeights تعمل SampleWeights الاختيارية كمعامل للخسارة. إذا تم توفير العدد، فسيتم ببساطة قياس الخسارة بالقيمة المحددة. إذا كان SampleWeights عبارة عن موتر بالحجم [batch_size]، فسيتم إعادة قياس إجمالي الخسارة لكل عينة من الدُفعة بواسطة العنصر المقابل في ناقل SampleWeights. إذا كان شكل SampleWeights هو [batch_size, d0, .. dN-1] (أو يمكن بثه إلى هذا الشكل)، فسيتم قياس كل عنصر خسارة في التنبؤات بالقيمة المقابلة لـ SampleWeights. (ملاحظة حول dN-1: يتم تقليل جميع وظائف الخسارة بمقدار بُعد واحد، وعادة ما يكون المحور=-1.)
المرتجعات
  • الخسارة
رميات
IllegalArgumentException إذا كانت التوقعات خارج النطاق [0.-1.].