Tính toán tổn thất entropy chéo giữa nhãn và dự đoán.
Sử dụng hàm mất entropy chéo này khi có hai hoặc nhiều lớp nhãn. Các nhãn dự kiến sẽ được cung cấp dưới dạng số nguyên. Nếu bạn muốn cung cấp nhãn bằng cách sử dụng biểu diễn one-hot
, vui lòng sử dụng CategoricalCrossentropy
loss. Phải có # classes
giá trị dấu phẩy động cho mỗi đối tượng cho predictions
và một giá trị dấu phẩy động duy nhất cho mỗi đối tượng cho label
.
Trong đoạn mã bên dưới, có một giá trị dấu phẩy động duy nhất cho mỗi ví dụ cho labels
và # classes
giá trị dấu phẩy động cho mỗi ví dụ cho predictions
. Hình dạng của labels
là [batch_size]
và hình dạng của predictions
là [batch_size, num_classes]
.
Cách sử dụng độc lập:
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
Gọi với trọng lượng mẫu:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.3f, 0.7f}); Operand<TFloat32> result = sparseCCE.call(labels, predictions, sampleWeight); // produces 0.814f
Sử dụng loại giảm SUM
:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.SUM); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces 2.354f
Sử dụng loại giảm NONE
:
SparseCategoricalCrossentropy sparseCCE = new SparseCategoricalCrossentropy(tf, Reduction.NONE); Operand<TFloat32> result = sparseCCE.call(labels, predictions); // produces [0.0513f, 2.303f]
Hằng số
int | AXIS_DEFAULT | |
boolean | FROM_LOGITS_DEFAULT |
Trường kế thừa
Nhà xây dựng công cộng
Phân loại thưa thớtCrossentropy (Ops tf) Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName() làm tên tổn thất, Giảm tổn thất là REDUCTION_DEFAULT và fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, Tên chuỗi) Tạo ra một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng Giảm tổn thất REDUCTION_DEFAULT và fromLogits= FROM_LOGITS_DEFAULT . | |
Phân loại thưa thớtCrossentropy (Ops tf, Giảm thiểu) Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName() làm tên tổn thất, với Giảm.AUTO và fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, Giảm thiểu ) Tạo ra một tổn thất SparseCategoricalCrossentropy với Giảm.AUTO và fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, boolean fromLogits) Tạo một SparseCategoricalCrossentropy bằng cách sử dụng Giảm tổn thất REDUCTION_DEFAULT và fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, boolean fromLogits) Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName() làm tên tổn thất, Giảm tổn thất là REDUCTION_DEFAULT và fromLogits= FROM_LOGITS_DEFAULT . | |
SparseCategoricalCrossentropy (Ops tf, boolean fromLogits, Giảm thiểu) Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName() làm tên tổn thất, | |
SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, boolean fromLogits, Giảm thiểu, trục int) Tạo một phân loại chéo thưa thớt |
Phương pháp công cộng
<T mở rộng TNumber > Toán hạng <T> |
Phương pháp kế thừa
Hằng số
int cuối cùng tĩnh công khai AXIS_DEFAULT
boolean tĩnh cuối cùng công khai FROM_LOGITS_DEFAULT
Nhà xây dựng công cộng
công khai Phân loại thưa thớtCrossentropy (Ops tf)
Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName()
làm tên tổn thất, Giảm tổn thất là REDUCTION_DEFAULT
và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|
public SparseCategoricalCrossentropy (Ops tf, Tên chuỗi)
Tạo ra một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng Giảm tổn thất REDUCTION_DEFAULT
và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|---|
tên | tên của hàm mất này |
public SparseCategoricalCrossentropy (Ops tf, Giảm thiểu)
Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName()
làm tên tổn thất, với Giảm.AUTO và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|---|
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
public SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, Giảm thiểu)
Tạo ra một tổn thất SparseCategoricalCrossentropy với Giảm.AUTO và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|---|
tên | tên của hàm mất này |
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
public SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, boolean fromLogits)
Tạo một SparseCategoricalCrossentropy bằng cách sử dụng Giảm tổn thất REDUCTION_DEFAULT
và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|---|
tên | tên của hàm mất này |
từNhật ký | Có nên diễn giải các dự đoán dưới dạng tenxơ của các giá trị logit hay không |
public SparseCategoricalCrossentropy (Ops tf, boolean fromLogits)
Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName()
làm tên tổn thất, Giảm tổn thất là REDUCTION_DEFAULT
và fromLogits= FROM_LOGITS_DEFAULT
.
Thông số
tf | hoạt động của TensorFlow |
---|---|
từNhật ký | Có nên diễn giải các dự đoán dưới dạng tenxơ của các giá trị logit hay không |
public SparseCategoricalCrossentropy (Ops tf, boolean fromLogits, Giảm thiểu)
Tạo một tổn thất SparseCategoricalCrossentropy bằng cách sử dụng getSimpleName()
làm tên tổn thất,
Thông số
tf | hoạt động của TensorFlow |
---|---|
từNhật ký | Có nên diễn giải các dự đoán dưới dạng tenxơ của các giá trị logit hay không |
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
public SparseCategoricalCrossentropy (Ops tf, Tên chuỗi, boolean fromLogits, Giảm thiểu, trục int)
Tạo một phân loại chéo thưa thớt
Thông số
tf | hoạt động của TensorFlow |
---|---|
tên | tên của hàm mất này |
từNhật ký | Có nên diễn giải các dự đoán dưới dạng tenxơ của các giá trị logit hay không |
sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
trục | Trục kênh. axis=-1 tương ứng với định dạng dữ liệu `Kênh cuối cùng' và axis=1 tương ứng với định dạng dữ liệu 'Kênh đầu tiên'. |
Phương pháp công cộng
lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)
Tạo một toán hạng để tính toán tổn thất.
Nếu chạy ở chế độ Biểu đồ, quá trình tính toán sẽ đưa ra TFInvalidArgumentException
nếu các giá trị dự đoán nằm ngoài phạm vi o [0. đến 1.]. Trong Chế độ háo hức, lệnh gọi này sẽ đưa ra IllegalArgumentException
, nếu các giá trị dự đoán nằm ngoài phạm vi o [0. đến 1.]
Thông số
nhãn | các giá trị thật hoặc nhãn |
---|---|
phỏng đoán | dự đoán, giá trị phải nằm trong khoảng [0. đến 1.] bao gồm. |
mẫuTrọng lượng | Khối lượng mẫu tùy chọn đóng vai trò như một hệ số hao hụt. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu SampleWeights là một tenxơ có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.) |
Trả lại
- sự mất mát
Ném
Ngoại lệ Đối số bất hợp pháp | nếu dự đoán nằm ngoài phạm vi [0.-1.]. |
---|