BinaryCrossentropy

clase pública BinaryCrossentropy

Métrica que calcula la pérdida de entropía cruzada binaria entre etiquetas verdaderas y etiquetas predichas.

Esta es la clase métrica de entropía cruzada que se utilizará cuando solo haya dos clases de etiquetas (0 y 1).

Constantes heredadas

Constructores públicos

BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, semilla larga, tipo Class <T>)
Crea una métrica BinaryCrossentropy

Métodos públicos

Operando <T>
llamada ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones)
Calcula la pérdida ponderada entre labels y predictions

Métodos heredados

Constructores públicos

public BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class <T> tipo)

Crea una métrica BinaryCrossentropy

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de esta métrica, si es nulo, el nombre de la métrica es getSimpleName() .
deLogits Si se deben interpretar las predicciones como un tensor de valores logit en oposición a una distribución de probabilidad.
labelSmoothing valor utilizado para suavizar las etiquetas. Cuando es 0, no se produce ningún suavizado. Cuando> 0, calcule la pérdida entre las etiquetas predichas y una versión suavizada de las etiquetas verdaderas, donde el suavizado aprieta las etiquetas hacia 0.5. Los valores más altos de label_smoothing corresponden a un suavizado más intenso.
semilla la semilla para la generación de números aleatorios. Un inicializador creado con una semilla dada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos dados.
tipo el tipo de las variables y el resultado

Métodos públicos

Operando público <T> llamada ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones)

Calcula la pérdida ponderada entre labels y predictions

Parámetros
etiquetas los valores de verdad o etiquetas
predicciones las predicciones
Devoluciones
  • la pérdida