Oblicza stratę entropii krzyżowej między etykietami i przewidywaniami.
Użyj tej funkcji utraty entropii krzyżowej, jeśli istnieją dwie lub więcej klas etykiet. Oczekujemy, że etykiety będą dostarczane w reprezentacji one_hot. Jeśli chcesz podać etykiety jako liczby całkowite, użyj straty SparseCategoricalCrossentropy . Na każdą funkcję powinno przypadać # classes wartości zmiennoprzecinkowych.
Samodzielne użycie:
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
Wywołanie z wagą próbki:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f});
Operand<TFloat32> result = cce.call(labels, predictions, sampleWeight);
// produces 0.814f
Używanie typu redukcji SUM :
CategoricalCrossentropy cce = new CategoricalCrossentropy(tf, Reduction.SUM);
Operand<TFloat32> result = cce.call(labels, predictions);
// produces 2.354f
Używanie typu redukcji NONE :
CategoricalCrossentropy cce =
new CategoricalCrossentropy(tf, Reduction.NONE);
Operand<TFloat32> result = cce.call(labels, predictions);
// produces [0.0513f, 2.303f]
Stałe
| wew | DOMYŚLNA_OŚ | |
| wartość logiczna | FROM_LOGITS_DEFAULT | |
| platforma | LABEL_SMOOTHING_DEFAULT |
Dziedziczone pola
Konstruktorzy publiczni
KategorycznyCrossentropia (Ops tf) Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS | |
KategoryczneCrossentropia (Ops tf, nazwa ciągu) Tworzy kategoryczną stratę entropii krzyżowej przy użyciu FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS | |
KategorycznyCrossentropia (Ops tf, redukcja redukcji ) Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i osi DEFAULT_AXIS | |
KategoryczneCrossentropia (Ops tf, nazwa ciągu, redukcja redukcji ) Tworzy kategoryczną stratę entropii krzyżowej FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i oś DEFAULT_AXIS | |
KategoryczneCrossentropia (Ops tf, wartość logiczna z Logits) Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS | |
KategoryczneCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits) Tworzy kategoryczną stratę entropii krzyżowej przy użyciu LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi kanału DEFAULT_AXIS | |
KategoryczneCrossentropy (Ops tf, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing) Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, redukcji straty o wartości REDUCTION_DEFAULT i osi kanału o wartości DEFAULT_AXIS | |
KategoryczneCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing) Tworzy kategoryczną stratę entropii krzyżowej przy użyciu redukcji strat wynoszącej REDUCTION_DEFAULT i osi kanału DEFAULT_AXIS | |
KategoryczneCrossentropia (Ops tf, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji ) Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty i osi kanału DEFAULT_AXIS | |
KategoryczneCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji, oś int) Tworzy kategoryczną stratę entropii krzyżowej |
Metody publiczne
| <T rozszerza TNumer > Operand <T> |
Metody dziedziczone
Stałe
publiczny statyczny końcowy int DEFAULT_AXIS
publiczna statyczna końcowa wartość logiczna FROM_LOGITS_DEFAULT
publiczny statyczny końcowy float LABEL_SMOOTHING_DEFAULT
Konstruktorzy publiczni
publiczny KategorycznyCrossentropia (Ops tf)
Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|
public CategoricalCrossentropy (Ops tf, nazwa ciągu)
Tworzy kategoryczną stratę entropii krzyżowej przy użyciu FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | imię tej straty |
publiczna KategorycznaCrossentropia (Ops tf, redukcja redukcji )
Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i osi DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
public CategoricalCrossentropy (Ops tf, nazwa ciągu, redukcja redukcji )
Tworzy kategoryczną stratę entropii krzyżowej FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i oś DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | imię tej straty |
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
public CategoricalCrossentropy (Ops tf, wartość logiczna z Logits)
Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
public CategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits)
Tworzy kategoryczną stratę entropii krzyżowej przy użyciu LABEL_SMOOTHING_DEFAULT dla labelSmoothing, redukcji strat wynoszącej REDUCTION_DEFAULT i osi kanału DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | imię tej straty |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
public CategoricalCrossentropy (Ops tf, wartość logiczna z Logits, float labelSmoothing)
Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty, redukcji straty o wartości REDUCTION_DEFAULT i osi kanału o wartości DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Pływak w [0, 1] . Gdy > 0 , wartości etykiet są wygładzane, co oznacza, że zaufanie do wartości etykiet jest zmniejszone. np. labelSmoothing=0.2 oznacza, że użyjemy wartości 0.1 dla etykiety 0 i 0.9 dla etykiety 1 |
public CategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing)
Tworzy kategoryczną stratę entropii krzyżowej przy użyciu redukcji strat wynoszącej REDUCTION_DEFAULT i osi kanału DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | imię tej straty |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Pływak w [0, 1] . Gdy > 0 , wartości etykiet są wygładzane, co oznacza, że zaufanie do wartości etykiet jest zmniejszone. np. labelSmoothing=0.2 oznacza, że użyjemy wartości 0.1 dla etykiety 0 i 0.9 dla etykiety 1 |
public CategoricalCrossentropy (Ops tf, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji )
Tworzy kategoryczną stratę entropii krzyżowej, używając getSimpleName() jako nazwy straty i osi kanału DEFAULT_AXIS
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Pływak w [0, 1] . Gdy > 0 , wartości etykiet są wygładzane, co oznacza, że zaufanie do wartości etykiet jest zmniejszone. np. x=0.2 oznacza, że dla etykiety 0 użyjemy wartości 0.1 , a dla etykiety 1 wartości 0.9 |
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
public CategoricalCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji , oś int)
Tworzy kategoryczną stratę entropii krzyżowej
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | imię tej straty |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Pływak w [0, 1] . Gdy > 0 , wartości etykiet są wygładzane, co oznacza, że zaufanie do wartości etykiet jest zmniejszone. np. labelSmoothing=0.2 oznacza, że użyjemy wartości 0.1 dla etykiety 0 i 0.9 dla etykiety 1 |
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
| oś | Oś kanałów. axis=-1 odpowiada formatowi danych „Channels Last”, a axis=1 odpowiada formatowi danych „Channels First”. CHANNELS_LAST i CHANNELS_FIRST |
Rzuca
| Wyjątek IllegalArgument | jeśli labelSmoothing nie należy do zakresu 0. - 1. |
|---|
Metody publiczne
publiczne wywołanie argumentu <T> ( operand <? rozszerza TNumber > etykiety, przewidywania argumentu <T>, argumentu <T> próbkiWagi)
Generuje operand, który oblicza stratę.
Jeśli zostanie uruchomione w trybie wykresu, obliczenia zgłoszą wyjątek TFInvalidArgumentException jeśli wartości przewidywań będą poza zakresem o [0. do 1.]. W trybie Eager to wywołanie zgłosi wyjątek IllegalArgumentException , jeśli wartości przewidywań wykraczają poza zakres o [0. do 1.]
Parametry
| etykiety | wartości prawdy lub etykiety |
|---|---|
| prognozy | przewidywań, wartości muszą mieścić się w zakresie [0. do 1.] włącznie. |
| próbkiWagi | Opcjonalne próbki SampleWeights działają jako współczynnik straty. Jeśli podany jest skalar, strata jest po prostu skalowana według podanej wartości. Jeśli SampleWeights jest tensorem rozmiaru [batch_size], wówczas całkowita strata dla każdej próbki w partii jest przeskalowana przez odpowiedni element wektora SampleWeights. Jeśli kształt SampleWeights wynosi [batch_size, d0, .. dN-1] (lub może być nadawany do tego kształtu), wówczas każdy element predykcji straty jest skalowany przez odpowiednią wartość SampleWeights. (Uwaga do dN-1: wszystkie funkcje straty zmniejszają się o 1 wymiar, zwykle oś=-1.) |
Powroty
- strata
Rzuca
| Wyjątek IllegalArgument | jeśli przewidywania są poza zakresem [0.-1.]. |
|---|