Conozca lo último en aprendizaje automático, IA generativa y más en el
Simposio WiML 2023.
BinaryCrossentropy
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
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).
Constructores públicos
| BinaryCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, semilla larga, tipo Class <T>) Crea una métrica BinaryCrossentropy |
Métodos heredados
De la clase java.lang.Object booleano | es igual a (Objeto arg0) |
Clase final <?> | getClass () |
En t | hashCode () |
vacío final | notificar () |
vacío final | notificar a todos () |
Cuerda | toString () |
vacío final | esperar (largo arg0, int arg1) |
vacío final | espera (largo arg0) |
vacío final | esperar () |
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 |
---|
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2021-04-01 (UTC)
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muy complicado o demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desactualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema con las muestras o los códigos"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de comprender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Resolvió mi problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]