SquaredHinge

کلاس عمومی SquaredHinge

تلفات لولای مجذور بین برچسب ها و پیش بینی ها را محاسبه می کند.

loss = square(maximum(1 - labels * predictions, 0))

انتظار می رود مقادیر labels -1 یا 1 باشد. اگر برچسب های باینری (0 یا 1) ارائه شود، آنها به -1 یا 1 تبدیل می شوند.

استفاده مستقل:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0., 1.}, {0., 0.} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    SquaredHinge squaredHinge = new SquaredHinge(tf);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 1.86f

تماس با وزن نمونه:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = squaredHinge.call(labels, predictions,
                                                  sampleWeight);
    // produces 0.73f

با استفاده از نوع کاهش SUM :

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.SUM);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces 3.72f

استفاده از نوع کاهش NONE :

    SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.NONE);
    Operand<TFloat32> result = squaredHinge.call(labels, predictions);
    // produces [1.46f, 2.26f]

فیلدهای ارثی

سازندگان عمومی

SquaredHinge (Ops tf)
با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک افت لولا مربع ایجاد می کند.
SquaredHinge (Ops tf، کاهش کاهش)
با استفاده از getSimpleName() به عنوان نام ضرر یک لولای مربعی ایجاد می کند
SquaredHinge (Ops tf، نام رشته، کاهش کاهش)
یک لولا مربعی ایجاد می کند

روش های عمومی

<T TNumber > عملوند <T> را گسترش می دهد
فراخوانی ( عملوند <? TNumber > برچسب‌ها را گسترش می‌دهد، پیش‌بینی‌های عملوند <T>، نمونه وزن‌های عملوند <T>)
یک عملوند تولید می کند که ضرر را محاسبه می کند.

روش های ارثی

سازندگان عمومی

SquaredHinge عمومی (Ops tf)

با استفاده از getSimpleName() به عنوان نام ضرر و کاهش تلفات REDUCTION_DEFAULT یک افت لولا مربع ایجاد می کند.

پارامترها
tf TensorFlow Ops

SquaredHinge عمومی (Ops tf، کاهش کاهش)

با استفاده از getSimpleName() به عنوان نام ضرر یک لولای مربعی ایجاد می کند

پارامترها
tf TensorFlow Ops
کاهش نوع کاهش برای اعمال زیان.

SquaredHinge عمومی (Ops tf، نام رشته، کاهش کاهش)

یک لولا مربعی ایجاد می کند

پارامترها
tf TensorFlow Ops
نام نام باخت
کاهش نوع کاهش برای اعمال زیان.

روش های عمومی

فراخوان عمومی Operand <T> ( Operand <? TNumber > برچسب ها را گسترش می دهد، پیش بینی های Operand <T>، Operand <T> sampleWeights)

یک عملوند تولید می کند که ضرر را محاسبه می کند.

اگر در حالت Graph اجرا شود، اگر مقادیر برچسب در مجموعه [-1., 0., 1.] نباشند، محاسبه TFInvalidArgumentException انجام می دهد. در حالت اشتیاق، اگر مقادیر برچسب در مجموعه [-1.، 0.، 1.] نباشند، این فراخوانی IllegalArgumentException پرتاب می کند.

پارامترها
برچسب ها مقادیر یا برچسب های صدق باید 1-، 0 یا 1 باشند. انتظار می رود مقادیر -1 یا 1 باشند. اگر برچسب های باینری (0 یا 1) ارائه شوند، به -1 یا 1 تبدیل می شوند.
پیش بینی ها پیش بینی ها، مقادیر باید در محدوده [0. به 1.] شامل.
وزن نمونه SampleWeights اختیاری به عنوان ضریب ضرر عمل می کند. اگر یک اسکالر ارائه شود، ضرر به سادگی با مقدار داده شده مقیاس می شود. اگر SampleWeights یک تانسور با اندازه [batch_size] باشد، آنگاه تلفات کل برای هر نمونه از دسته توسط عنصر مربوطه در بردار SampleWeights مجدداً مقیاس می‌شود. اگر شکل SampleWeights [batch_size, d0, .. dN-1] باشد (یا می تواند به این شکل پخش شود)، آنگاه هر عنصر از دست دادن پیش بینی با مقدار مربوط به SampleWeights مقیاس می شود. (توجه به dN-1: تمام توابع تلفات 1 بعد کاهش می یابد، معمولاً محور =-1.)
برمی گرداند
  • از دست دادن
پرتاب می کند
IllegalArgumentException اگر پیش بینی ها خارج از محدوده [0.-1.] باشد.