Вычисляет потерю кроссэнтропии между метками и прогнозами.
Используйте эту функцию кроссэнтропийных потерь, когда имеется два или более классов меток. Ожидается, что метки будут предоставлены как целые числа. Если вы хотите предоставить метки с использованием one-hot
представления, используйте потерю CategoricalCrossentropy
. Должно быть # classes
значений с плавающей запятой для каждого объекта для predictions
и одно значение с плавающей запятой для каждого объекта для label
.
В приведенном ниже фрагменте приведено одно значение с плавающей запятой для каждого примера для labels
и # classes
значений с плавающей запятой для каждого примера для predictions
. Форма labels
— [batch_size]
, а форма predictions
— [batch_size, num_classes]
.
Автономное использование:
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
Вызов с выборочным весом:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight); // produces 0.814f
Использование типа сокращения SUM
:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 2.354f
Использование типа сокращения NONE
:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces [0.0513f, 2.303f]
Константы
интервал | AXIS_DEFAULT | |
логическое значение | FROM_LOGITS_DEFAULT |
Унаследованные поля
Публичные конструкторы
Разреженная категориальная кроссэнтропия (Ops tf) Создает потерю SparseCategoricalCrossentropy, используя getSimpleName() в качестве имени потери, Loss Reduction REDUCTION_DEFAULT и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, имя строки) Создает потерю SparseCategoricalCrossentropy с использованием уменьшения потерь REDUCTION_DEFAULT и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, сокращение сокращения ) Создает потерю SparseCategoricalCrossentropy, используя getSimpleName() в качестве имени потери, с Reduction.AUTO и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, имя строки, уменьшение сокращения ) Создает потерю SparseCategoricalCrossentropy с помощью Reduction.AUTO и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits) Создает SparseCategoricalCrossentropy с использованием уменьшения потерь REDUCTION_DEFAULT и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, логическое значение fromLogits) Создает потерю SparseCategoricalCrossentropy, используя getSimpleName() в качестве имени потери, Loss Reduction REDUCTION_DEFAULT и fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, логическое значение fromLogits, уменьшение сокращения ) Создает потерю SparseCategoricalCrossentropy, используя getSimpleName() в качестве имени потери. | |
SparseCategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, уменьшение сокращения, ось int) Создает SparseCategoricalCrossentropy. |
Публичные методы
<T расширяет TNumber > Операнд <T> |
Унаследованные методы
Константы
общедоступный статический окончательный int AXIS_DEFAULT
общедоступное статическое окончательное логическое значение FROM_LOGITS_DEFAULT
Публичные конструкторы
общедоступная SparseCategoricalCrossentropy (Ops TF)
Создает потерю SparseCategoricalCrossentropy, используя getSimpleName()
в качестве имени потери, Loss Reduction REDUCTION_DEFAULT
и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|
public SparseCategoricalCrossentropy (Ops tf, имя строки)
Создает потерю SparseCategoricalCrossentropy с использованием уменьшения потерь REDUCTION_DEFAULT
и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|---|
имя | название этой функции потерь |
public SparseCategoricalCrossentropy (Ops tf, Reduction Reduction)
Создает потерю SparseCategoricalCrossentropy, используя getSimpleName()
в качестве имени потери, с Reduction.AUTO и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|---|
снижение | Тип уменьшения, применяемого к убытку. |
public SparseCategoricalCrossentropy (Ops tf, имя строки, сокращение сокращения )
Создает потерю SparseCategoricalCrossentropy с помощью Reduction.AUTO и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|---|
имя | название этой функции потерь |
снижение | Тип уменьшения, применяемого к убытку. |
public SparseCategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits)
Создает SparseCategoricalCrossentropy с использованием уменьшения потерь REDUCTION_DEFAULT
и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|---|
имя | название этой функции потерь |
fromLogits | Следует ли интерпретировать прогнозы как тензор логит-значений |
public SparseCategoricalCrossentropy (Ops tf, логическое значение fromLogits)
Создает потерю SparseCategoricalCrossentropy, используя getSimpleName()
в качестве имени потери, Loss Reduction REDUCTION_DEFAULT
и fromLogits= FROM_LOGITS_DEFAULT
.
Параметры
ТС | Операции TensorFlow |
---|---|
fromLogits | Следует ли интерпретировать прогнозы как тензор логит-значений |
public SparseCategoricalCrossentropy (Ops tf, логическое значение fromLogits, сокращение сокращения )
Создает потерю SparseCategoricalCrossentropy, используя getSimpleName()
в качестве имени потери,
Параметры
ТС | Операции TensorFlow |
---|---|
fromLogits | Следует ли интерпретировать прогнозы как тензор логит-значений |
снижение | Тип уменьшения, применяемого к убытку. |
public SparseCategoricalCrossentropy (Ops tf, имя строки, логическое значение fromLogits, сокращение сокращения , ось int)
Создает SparseCategoricalCrossentropy.
Параметры
ТС | Операции TensorFlow |
---|---|
имя | название этой функции потерь |
fromLogits | Следует ли интерпретировать прогнозы как тензор логит-значений |
снижение | Тип уменьшения, применяемого к убытку. |
ось | Ось каналов. axis=-1 соответствует формату данных «Последние каналы», а axis=1 соответствует формату данных «Первые каналы». |
Публичные методы
общедоступный вызов операнда <T> ( Операнд <? расширяет метки TNumber >, прогнозы операнда <T>, операнд <T> sampleWeights)
Генерирует операнд для расчета потерь.
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.]. |
---|