CategoricalHinge

classe publique CatégoriqueHinge

Calcule la perte de charnière catégorielle entre les étiquettes et les prédictions.

loss = maximum(neg - pos + 1, 0) où neg=maximum((1-labels)*predictions) et pos=sum(labels*predictions)

les valeurs labels devraient être 0 ou 1.

Utilisation autonome :

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0, 1}, {0, 0} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    CategoricalHinge categoricalHinge = new CategoricalHinge(tf);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces 1.4

Appel avec le poids de l'échantillon :

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1f, 0.f});
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions, sampleWeight);
    // produces 0.6f

Utilisation du type de réduction SUM :

    CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.SUM);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces 2.8f

Utilisation du type de réduction NONE :

    CategoricalHinge categoricalHinge =
        new CategoricalHinge(tf, Reduction.NONE);
    Operand<TFloat32> result = categoricalHinge.call(labels, predictions);
    // produces [1.2f, 1.6f]

Champs hérités

Constructeurs Publics

Charnière catégorielle (Ops tf)
Crée une perte de charnière catégorique en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT
Charnière catégorielle (Ops tf, Réduction réduction)
Crée une perte de charnière catégorique en utilisant getSimpleName() comme nom de perte
CategoricalHinge (Ops tf, nom de chaîne, réduction de réduction )
Crée une charnière catégorielle

Méthodes publiques

<T étend TNumber > Opérande <T>
appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights)
Génère un opérande qui calcule la perte.

Méthodes héritées

Constructeurs Publics

charnière catégorique publique (Ops tf)

Crée une perte de charnière catégorique en utilisant getSimpleName() comme nom de perte et une réduction de perte de REDUCTION_DEFAULT

Paramètres
tf les opérations TensorFlow

charnière catégorique publique (Ops tf, réduction de réduction )

Crée une perte de charnière catégorique en utilisant getSimpleName() comme nom de perte

Paramètres
tf les opérations TensorFlow
réduction Type de réduction à appliquer sur le sinistre.

public CategoricalHinge (Ops tf, nom de chaîne, réduction de réduction )

Crée une charnière catégorielle

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
réduction Type de réduction à appliquer sur le sinistre.

Méthodes publiques

appel public Operand <T> ( Operand <? extends TNumber > labels, Operand <T> prédictions, Operand <T> sampleWeights)

Génère un opérande qui calcule la perte.

Paramètres
étiquettes les valeurs ou étiquettes de vérité
prédictions les prédictions
exemples de poids sampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si SampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur SampleWeights. Si la forme de SampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée vers cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de SampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)
Retours
  • la perte