CategoricalCrossentropy

общественный класс КатегориальнаяКроссентропия

Вычисляет потерю кроссэнтропии между метками и прогнозами.

Используйте эту функцию кроссэнтропийных потерь, когда имеется два или более классов меток. Мы ожидаем, что метки будут предоставлены в представлении one_hot. Если вы хотите предоставить метки как целые числа, используйте потерю SparseCategoricalCrossentropy . Для каждого объекта должно быть # classes значений с плавающей запятой.

Автономное использование:

    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

Вызов с выборочным весом:

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

Использование типа сокращения SUM :

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

Использование типа сокращения NONE :

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

Константы

интервал DEFAULT_AXIS
логическое значение FROM_LOGITS_DEFAULT
плавать LABEL_SMOOTHING_DEFAULT

Унаследованные поля

Публичные конструкторы

Категориальная кроссэнтропия (Ops tf)
Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшения потерь REDUCTION_DEFAULT и оси DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, имя строки)
Создает категориальную потерю перекрестной энтропии, используя FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшение потерь REDUCTION_DEFAULT и ось DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, сокращение сокращения )
Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing и оси DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, имя строки, сокращение сокращения )
Создает категориальную кросс-энтропийную потерю FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing и ось DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits)
Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, LABEL_SMOOTHING_DEFAULT для labelSmoothing, Loss Reduction REDUCTION_DEFAULT и ось DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, имя строки, логическое значение fromLogits)
Создает категориальную кросс-энтропийную потерю, используя LABEL_SMOOTHING_DEFAULT для labelSmoothing, Loss Reduction REDUCTION_DEFAULT и ось канала DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits, float labelSmoothing)
Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, уменьшение потерь REDUCTION_DEFAULT и ось канала DEFAULT_AXIS
Категориальная кроссентропия (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing)
Создает категориальную кросс-энтропийную потерю с использованием уменьшения потерь REDUCTION_DEFAULT и оси канала DEFAULT_AXIS
Категориальная кроссэнтропия (Ops tf, логическое значение fromLogits, float labelSmoothing, уменьшение сокращения )
Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери и оси канала DEFAULT_AXIS
Категориальная кроссентропия (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing, сокращение сокращения , ось int)
Создает категориальную кросс-энтропийную потерю

Публичные методы

<T расширяет TNumber > Операнд <T>
вызов ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights)
Генерирует операнд, который вычисляет потери.

Унаследованные методы

Константы

общедоступный статический окончательный int DEFAULT_AXIS

Постоянное значение: -1

общедоступное статическое окончательное логическое значение FROM_LOGITS_DEFAULT

Постоянное значение: ложь

общедоступный статический финальный плавающий элемент LABEL_SMOOTHING_DEFAULT

Постоянное значение: 0,0

Публичные конструкторы

общественная категориальная кроссэнтропия (Ops TF)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшения потерь REDUCTION_DEFAULT и оси DEFAULT_AXIS

Параметры
ТС Операции TensorFlow

public CategoricalCrossentropy (Ops tf, имя строки)

Создает категориальную потерю перекрестной энтропии, используя FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing, уменьшение потерь REDUCTION_DEFAULT и ось DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
имя название этой потери

public CategoricalCrossentropy (Ops tf, Reduction Reduction)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing и оси DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
снижение Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, имя строки, сокращение сокращения )

Создает категориальную кросс-энтропийную потерю FROM_LOGITS_DEFAULT для fromLogits, LABEL_SMOOTHING_DEFAULT для labelSmoothing и ось DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
имя название этой потери
снижение Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, логическое значение fromLogits)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, LABEL_SMOOTHING_DEFAULT для labelSmoothing, Loss Reduction REDUCTION_DEFAULT и ось DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits)

Создает категориальную кросс-энтропийную потерю, используя LABEL_SMOOTHING_DEFAULT для labelSmoothing, Loss Reduction REDUCTION_DEFAULT и ось канала DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
имя название этой потери
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений

public CategoricalCrossentropy (Ops tf, логическое значение fromLogits, float labelSmoothing)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери, уменьшение потерь REDUCTION_DEFAULT и ось канала DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание Плавающее значение [0, 1] . Если > 0 , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например, labelSmoothing=0.2 означает, что мы будем использовать значение 0.1 для метки 0 и 0.9 для метки 1

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing)

Создает категориальную кросс-энтропийную потерю с использованием уменьшения потерь REDUCTION_DEFAULT и оси канала DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
имя название этой потери
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание Плавающее значение [0, 1] . Если > 0 , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например, labelSmoothing=0.2 означает, что мы будем использовать значение 0.1 для метки 0 и 0.9 для метки 1

public CategoricalCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing, Reduction Reduction)

Создает категориальную кросс-энтропийную потерю, используя getSimpleName() в качестве имени потери и оси канала DEFAULT_AXIS

Параметры
ТС Операции TensorFlow
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание Плавающее значение [0, 1] . Если > 0 , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например, x=0.2 означает, что мы будем использовать значение 0.1 для метки 0 и 0.9 для метки 1
снижение Тип уменьшения, применяемого к убытку.

public CategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, float labelSmoothing, сокращение сокращения , ось int)

Создает категориальную кросс-энтропийную потерю

Параметры
ТС Операции TensorFlow
имя название этой потери
fromLogits Следует ли интерпретировать прогнозы как тензор логит-значений
labelСглаживание Плавающее значение [0, 1] . Если > 0 , значения меток сглаживаются, что означает, что достоверность значений меток снижается. например, labelSmoothing=0.2 означает, что мы будем использовать значение 0.1 для метки 0 и 0.9 для метки 1
снижение Тип уменьшения, применяемого к убытку.
ось Ось каналов. axis=-1 соответствует формату данных «Последние каналы», а axis=1 соответствует формату данных «Первые каналы». CHANNELS_LAST и CHANNELS_FIRST
Броски
IllegalArgumentException если labelSmoothing не находится в диапазоне от 0 до 1.

Публичные методы

общедоступный вызов операнда <T> ( операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights)

Генерирует операнд, который вычисляет потери.

При запуске в режиме графика вычисление выдаст исключение TFInvalidArgumentException если значения прогнозов выходят за пределы диапазона o [0. до 1.]. В режиме Eager этот вызов вызовет IllegalArgumentException , если значения прогнозов выходят за пределы диапазона o [0. до 1.]

Параметры
этикетки значения истинности или метки
предсказания прогнозы, значения должны находиться в диапазоне [0. до 1.] включительно.
образецВес Дополнительный SampleWeights действует как коэффициент потерь. Если указан скаляр, то потери просто масштабируются по заданному значению. Если SampleWeights — это тензор размера [batch_size], то общие потери для каждой выборки пакета масштабируются соответствующим элементом вектора SampleWeights. Если форма SampleWeights равна [batch_size, d0, .. dN-1] (или может быть передана в эту форму), то каждый элемент потерь прогнозов масштабируется соответствующим значением SampleWeights. (Примечание к dN-1: все функции потерь уменьшаются на 1 измерение, обычно ось = -1.)
Возврат
  • потеря
Броски
IllegalArgumentException если прогнозы выходят за пределы диапазона [0.-1.].