Calcola la perdita di cerniera categoriale tra etichette e previsioni.
loss = maximum(neg - pos + 1, 0)
dove neg=maximum((1-labels)*predictions)
e pos=sum(labels*predictions)
i valori labels
dovrebbero essere 0 o 1.
Utilizzo autonomo:
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
Chiamata con peso campione:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1f, 0.f}); Operand<TFloat32> result = categoricalHinge.call(labels, predictions, sampleWeight); // produces 0.6f
Utilizzo del tipo di riduzione SUM
:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.SUM); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces 2.8f
Utilizzo del tipo di riduzione NONE
:
CategoricalHinge categoricalHinge = new CategoricalHinge(tf, Reduction.NONE); Operand<TFloat32> result = categoricalHinge.call(labels, predictions); // produces [1.2f, 1.6f]
Campi ereditati
Costruttori pubblici
Cerniera categorica (Ops tf) Crea una perdita di cerniera categoriale utilizzando getSimpleName() come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT | |
CategoricalHinge (Ops tf, Riduzione riduzione ) Crea una perdita cerniera categoriale utilizzando getSimpleName() come nome della perdita | |
Metodi pubblici
<T estende TNumero > Operando <T> |
Metodi ereditati
Costruttori pubblici
public CategoricalHinge (Ops tf)
Crea una perdita di cerniera categoriale utilizzando getSimpleName()
come nome della perdita e una riduzione della perdita di REDUCTION_DEFAULT
Parametri
tf | le operazioni TensorFlow |
---|
public CategoricalHinge (Ops tf, Riduzione riduzione )
Crea una perdita cerniera categoriale utilizzando getSimpleName()
come nome della perdita
Parametri
tf | le operazioni TensorFlow |
---|---|
riduzione | Tipo di riduzione da applicare alla perdita. |
public CategoricalHinge (Ops tf, Nome stringa, Riduzione riduzione)
Crea un cardine categoriale
Parametri
tf | le operazioni TensorFlow |
---|---|
nome | il nome della perdita |
riduzione | Tipo di riduzione da applicare alla perdita. |
Metodi pubblici
chiamata pubblica dell'operando <T> ( Operando <? estende TNumber > etichette, previsioni dell'operando <T>, operando <T> sampleWeights)
Genera un operando che calcola la perdita.
Parametri
etichette | i valori o le etichette di verità |
---|---|
predizioni | le previsioni |
campionePesi | sampleWeights opzionale funge da coefficiente per la perdita. Se viene fornito uno scalare, la perdita viene semplicemente ridimensionata in base al valore fornito. Se SampleWeights è un tensore di dimensione [batch_size], la perdita totale per ciascun campione del batch viene riscalata dall'elemento corrispondente nel vettore SampleWeights. Se la forma di SampleWeights è [batch_size, d0, .. dN-1] (o può essere trasmessa a questa forma), ogni elemento di perdita delle previsioni viene ridimensionato in base al valore corrispondente di SampleWeights. (Nota su dN-1: tutte le funzioni di perdita si riducono di 1 dimensione, solitamente asse=-1.) |
ritorna
- la perdita