SparseCategoricalCrossentropy

الطبقة العامة SparseCategoricalCrossentropy

يحسب خسارة الانتروبيا بين التسميات والتنبؤات.

استخدم وظيفة فقدان الانتروبيا هذه عندما يكون هناك فئتان أو أكثر من فئات التصنيف. ومن المتوقع أن يتم توفير التسميات كأعداد صحيحة. إذا كنت تريد تقديم تصنيفات باستخدام تمثيل one-hot ، فيرجى استخدام خسارة CategoricalCrossentropy . يجب أن يكون هناك # classes قيم الفاصلة العائمة لكل ميزة predictions وقيمة نقطة عائمة واحدة لكل ميزة label .

في المقتطف أدناه، توجد قيمة نقطة عائمة واحدة لكل مثال labels و # classes قيم تأشير عائمة لكل مثال predictions . شكل labels هو [batch_size] وشكل predictions هو [batch_size, num_classes] .

الاستخدام المستقل:

    Operand<TFloat32> labels =
        tf.constant(new float[] {1, 2});
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.05f, 0.95f, 0f}, {0.1f, 0.8f, 0.1f} });
    SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf);
    Operand<TFloat32> result = sparseCCE.call(labels, predictions);
    // produces 1.177f

الاتصال مع وزن العينة:

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

باستخدام نوع التخفيض SUM :

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

باستخدام نوع التخفيض NONE :

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

الثوابت

كثافة العمليات AXIS_DEFAULT
منطقية FROM_LOGITS_DEFAULT

الحقول الموروثة

المقاولون العامون

SparseCategoricalCrossentropy (Ops tf)
ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT وfromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، اسم السلسلة)
ينشئ خسارة SparseCategoricalCrossentropy باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، تقليل التخفيض )
ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، مع Reduction.AUTO وfromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، اسم السلسلة، تقليل التخفيض )
ينشئ خسارة SparseCategoricalCrossentropy باستخدام Reduction.AUTO وfromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، اسم السلسلة، منطقية fromLogits)
ينشئ SparseCategoricalCrossentropy باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، منطقية من Logits)
ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT وfromLogits= FROM_LOGITS_DEFAULT .
SparseCategoricalCrossentropy (Ops tf، boolean fromLogits، تقليل التخفيض )
إنشاء خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة،
SparseCategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تقليل التخفيض ، المحور int)
ينشئ متفرقCategoricalCrossentropy

الأساليب العامة

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

الطرق الموروثة

الثوابت

int النهائي الثابت العام AXIS_DEFAULT

القيمة الثابتة: -1

المنطق المنطقي النهائي العام الثابت FROM_LOGITS_DEFAULT

القيمة الثابتة: خطأ

المقاولون العامون

عامة متفرقةCategoricalCrossentropy (Ops tf)

ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT وfromLogits= FROM_LOGITS_DEFAULT .

حدود
tf عمليات TensorFlow

SparseCategoricalCrossentropy العامة (Ops tf، اسم السلسلة)

ينشئ خسارة SparseCategoricalCrossentropy باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT .

حدود
tf عمليات TensorFlow
اسم اسم وظيفة الخسارة هذه

عام SparseCategoricalCrossentropy (Ops tf، تقليل التخفيض )

ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، مع Reduction.AUTO وfromLogits= FROM_LOGITS_DEFAULT .

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

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

ينشئ خسارة SparseCategoricalCrossentropy باستخدام Reduction.AUTO وfromLogits= FROM_LOGITS_DEFAULT .

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

SparseCategoricalCrossentropy العامة (Ops tf، اسم السلسلة، منطقية fromLogits)

ينشئ SparseCategoricalCrossentropy باستخدام تقليل الخسارة بمقدار REDUCTION_DEFAULT و fromLogits= FROM_LOGITS_DEFAULT .

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

عامة SparseCategoricalCrossentropy (Ops tf، boolean fromLogits)

ينشئ خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة، وتقليل الخسارة بمقدار REDUCTION_DEFAULT وfromLogits= FROM_LOGITS_DEFAULT .

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

SparseCategoricalCrossentropy العامة (Ops tf، boolean fromLogits، تقليل التخفيض )

إنشاء خسارة SparseCategoricalCrossentropy باستخدام getSimpleName() كاسم للخسارة،

حدود
tf عمليات TensorFlow
fromLogits ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية
تخفيض نوع التخفيض الذي سيتم تطبيقه على الخسارة.

SparseCategoricalCrossentropy العامة (Ops tf، اسم السلسلة، منطقي fromLogits، تقليل التخفيض ، المحور int)

ينشئ متفرقCategoricalCrossentropy

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

الأساليب العامة

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

يولد المعامل ويحسب 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.].