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
من 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 بوزن العينة:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight); // produces 0.814f
استخدام نوع التخفيض SUM
:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 2.354f
استخدام 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> |
الطرق الموروثة
الثوابت
int النهائي الثابت العام AXIS_DEFAULT
المنطق المنطقي النهائي العام الثابت FROM_LOGITS_DEFAULT
المقاولون العامون
عامة متفرقة CategoricalCrossentropy (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 |
SparseCategoricalCrossentropy العامة (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" 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
تسميات | قيم الحقيقة أو التسميات |
---|---|
التنبؤات | التوقعات، يجب أن تكون القيم في النطاق [0. إلى 1.] شاملا. |
أوزان عينة | 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 الخسارة الإجمالية 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: جميع دوال الخسارة تقلل بمقدار بُعد واحد، وعادة ما يكون المحور=-1.) |
عائدات
- خسارة
رميات
غير الشرعيين استثناء حجة | إذا كانت التوقعات خارج النطاق [0.-1.]. |
---|