Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

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).

Cuerda	CONTAR
Cuerda	TOTAL

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

Crea una métrica BinaryCrossentropy

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

Calcula la pérdida ponderada entre labels y predictions

LossMetric <T>	getLoss () Obtiene la función de pérdida.
Lista < Op >	updateStateList ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones, operando <? extiende TNumber > sampleWeights) Crea operaciones que actualizan el estado de la métrica media, llamando a la función de pérdida y pasando la pérdida a la métrica Media para calcular la media ponderada de la pérdida en muchas iteraciones.

Variable <T>	getCount () Obtiene la variable de recuento
Clase <T>	getResultType () Obtiene el tipo de las variables
Variable <T>	getTotal () Obtiene la variable total
Op	resetStates () Restablece las variables de estado a sus valores iniciales.
Operando <T>	resultado () Obtiene el resultado actual de la métrica
Lista < Op >	updateStateList ( operando <? extiende TNumber > valores, operando <? extiende TNumber > sampleWeights) Actualiza las variables métricas en función de las entradas.

operando final <T>	callOnce ( operando <? extiende TNumber > valores, operando <? extiende TNumber > sampleWeights) Llama al estado de actualización una vez, seguido de una llamada para obtener el resultado
Cuerda	getName () Obtiene el nombre de esta métrica.
largo	getSeed () Obtiene el valor inicial del generador de números aleatorios
Ops	getTF () Obtiene las operaciones de TensorFlow
Op abstracto	resetStates () Restablece las variables de estado a sus valores iniciales.
operando abstracto <T>	resultado () Obtiene el resultado actual de la métrica
Op final	updateState ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones, operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
Op final	updateState ( operando <? extiende TNumber > valores, operando <? extiende TNumber > sampleWeights) Crea una operación NoOp con dependencias de control para actualizar el estado de la métrica
Lista < Op >	updateStateList ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones, operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica según las etiquetas y las predicciones.
Lista < Op >	updateStateList ( operando <? extiende TNumber > valores, operando <? extiende TNumber > sampleWeights) Crea una lista de operaciones para actualizar el estado de la métrica en función de los valores de entrada.

De la clase java.lang.Object

operando abstracto <T>

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

Calcula la pérdida ponderada entre labels y predictions

Constructores públicos

Crea una métrica BinaryCrossentropy

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

Calcula la pérdida ponderada entre labels y predictions

etiquetas	los valores de verdad o etiquetas
predicciones	las predicciones