SparseCategoricalCrossentropy

genel sınıf SparseCategoricalCrossentropy

Etiketler ve tahminler arasındaki çapraz entropi kaybını hesaplar.

İki veya daha fazla etiket sınıfı olduğunda bu çapraz entropi kaybı fonksiyonunu kullanın. Etiketlerin tamsayı olarak sağlanması beklenmektedir. one-hot gösterimi kullanarak etiketler sağlamak istiyorsanız lütfen CategoricalCrossentropy kaybını kullanın. predictions için özellik başına # classes kayan nokta değeri ve label için özellik başına tek bir kayan nokta değeri olmalıdır.

Aşağıdaki kod parçasında, labels için örnek başına tek bir kayan nokta değeri ve predictions için örnek başına # classes kayan nokta değeri vardır. labels şekli [batch_size] ve predictions şekli [batch_size, num_classes] şeklindedir.

Bağımsız kullanım:

    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

Numune ağırlığıyla arama:

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

SUM azaltma türünü kullanma:

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

NONE azaltma türünü kullanma:

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

Sabitler

int AXIS_DEFAULT
boolean FROM_LOGITS_DEFAULT

Devralınan Alanlar

Kamu İnşaatçıları

SeyrekKategorikÇapraztropi (Ops tf)
Kayıp adı olarak getSimpleName() , REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'sını kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
SparseCategoricalCrossentropy (Ops tf, Dize adı)
REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
SparseCategoricalCrossentropy (Ops tf, İndirgeme azaltma)
Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.
SparseCategoricalCrossentropy (Ops tf, Dize adı, Azaltma azaltma)
Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile bir SparseCategoricalCrossentropy kaybı oluşturur.
SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits)
REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'yı kullanarak bir SparseCategoricalCrossentropy oluşturur.
SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits)
Kayıp adı olarak getSimpleName() kullanarak bir SparseCategoricalCrossentropy kaybı, REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma oluşturur.
SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits, İndirgeme azaltma)
Kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur,
SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits, Azaltma azaltma, int ekseni)
SparseCategoricalCrossentropy oluşturur

Genel Yöntemler

<T TNumber'ı genişletir > İşlenen <T>
çağrı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnekAğırlıkları)
Kaybı hesaplayan bir İşlenen oluşturur.

Kalıtsal Yöntemler

Sabitler

genel statik final int AXIS_DEFAULT

Sabit Değer: -1

genel statik son boolean FROM_LOGITS_DEFAULT

Sabit Değer: yanlış

Kamu İnşaatçıları

halka açık SparseCategoricalCrossentropy (Ops tf)

Kayıp adı olarak getSimpleName() , REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'sını kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları

public SparseCategoricalCrossentropy (Ops tf, Dize adı)

REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları
isim bu kayıp fonksiyonunun adı

public SparseCategoricalCrossentropy (Ops tf, Azaltma azaltma)

Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları
kesinti Zarara uygulanacak İndirim Türü.

public SparseCategoricalCrossentropy (Ops tf, Dize adı, Azaltma azaltma)

Reduction.AUTO ve fromLogits= FROM_LOGITS_DEFAULT ile bir SparseCategoricalCrossentropy kaybı oluşturur.

Parametreler
TF TensorFlow Operasyonları
isim bu kayıp fonksiyonunun adı
kesinti Zarara uygulanacak İndirim Türü.

public SparseCategoricalCrossentropy (Ops tf, Dize adı, mantıksal fromLogits)

REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma'yı kullanarak bir SparseCategoricalCrossentropy oluşturur.

Parametreler
TF TensorFlow Operasyonları
isim bu kayıp fonksiyonunun adı
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

public SparseCategoricalCrossentropy (Ops tf, boolean fromLogits)

Kayıp adı olarak getSimpleName() kullanarak bir SparseCategoricalCrossentropy kaybı, REDUCTION_DEFAULT ve fromLogits= FROM_LOGITS_DEFAULT Kayıp Azaltma oluşturur.

Parametreler
TF TensorFlow Operasyonları
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı

public SparseCategoricalCrossentropy (Ops tf, mantıksal fromLogits, Azaltma azaltma)

Kayıp adı olarak getSimpleName() öğesini kullanarak bir SparseCategoricalCrossentropy kaybı oluşturur,

Parametreler
TF TensorFlow Operasyonları
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
kesinti Zarara uygulanacak İndirim Türü.

public SparseCategoricalCrossentropy (Ops tf, Dize adı, boolean fromLogits, Azaltma azaltma, int ekseni)

SparseCategoricalCrossentropy oluşturur

Parametreler
TF TensorFlow Operasyonları
isim bu kayıp fonksiyonunun adı
itibarenLogits Tahminlerin logit değerlerinin tensörü olarak yorumlanıp yorumlanmayacağı
kesinti Zarara uygulanacak İndirim Türü.
eksen Kanal ekseni. axis=-1 'Son Kanallar' veri formatına karşılık gelir ve axis=1 'İlk Kanallar' veri formatına karşılık gelir.

Genel Yöntemler

genel İşlenen <T> çağrısı ( İşlenen <? extends TNumber > etiketleri, İşlenen <T> tahminleri, İşlenen <T> örnek Ağırlıkları)

Kaybı hesaplayan bir İşlenen oluşturur.

Grafik modunda çalıştırılırsa, tahmin değerleri o [0.0] aralığının dışındaysa hesaplama TFInvalidArgumentException oluşturacaktır. 1'e.] İstekli Modunda, tahmin değerleri o [0.0] aralığının dışındaysa, bu çağrı IllegalArgumentException oluşturacaktır. 1'e.]

Parametreler
etiketler doğruluk değerleri veya etiketleri
tahminler Tahminler için değerler [0.0 aralığında olmalıdır. 1'e kadar.] dahil.
örnekAğırlıklar İsteğe bağlı SampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. SampleWeights, [batch_size] boyutunda bir tensör ise, o zaman partinin her numunesi için toplam kayıp, SampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, karşılık gelen SampleWeights değerine göre ölçeklenir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.)
İade
  • kayıp
Atar
YasadışıTartışmaİstisna tahminler [0.-1.] aralığının dışındaysa.