مقياس يحسب الخسارة الفئوية للإنتروبيا المتبادلة بين التسميات الحقيقية والتسميات المتوقعة.
هذه هي فئة قياس الانتروبيا التي سيتم استخدامها عندما تكون هناك فئات تسمية متعددة (2 أو أكثر). يجب أن يتم إعطاء التسميات كتمثيل one_hot. على سبيل المثال، عندما تكون قيم التسميات هي [2, 0, 1]
، فإن معامل التسميات يحتوي [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
الثوابت الموروثة
المقاولون العامون
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، بذرة طويلة، نوع Class<T>) ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات. | |
CategoricalCrossentropy (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، محور int، بذرة طويلة، نوع Class<T>) ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات. |
الأساليب العامة
الطرق الموروثة
قياس الخسارة <T> | الحصول على الخسارة () يحصل على وظيفة الخسارة. |
قائمة< المرجع > |
متغير <T> | الحصول على الكونت () الحصول على متغير العدد |
فئة<T> | نوع النتيجة () يحصل على نوع المتغيرات |
متغير <T> | الحصول على المجموع () الحصول على المتغير الإجمالي |
مرجع سابق | إعادة تعيين الحالات () يعيد تعيين أي متغيرات الحالة إلى قيمها الأولية |
المعامل <T> | نتيجة () الحصول على النتيجة الحالية للقياس |
قائمة< المرجع > | updateStateList ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) يقوم بتحديث متغيرات القياس بناءً على المدخلات. |
المعامل النهائي <T> | |
خيط | الحصول على الاسم () يحصل على اسم هذا المقياس. |
طويل | الحصول على البذور () يحصل على القيمة الأولية لمولد الأرقام العشوائية |
العمليات | جيتف () يحصل على TensorFlow Ops |
مجردة المرجع | إعادة تعيين الحالات () يعيد تعيين أي متغيرات الحالة إلى قيمها الأولية |
المعامل المجرد <T> | نتيجة () الحصول على النتيجة الحالية للقياس |
المرجع النهائي | |
المرجع النهائي | updateState ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) ينشئ عملية NoOp مع تبعيات التحكم لتحديث حالة القياس |
قائمة< المرجع > | |
قائمة< المرجع > | updateStateList ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights) إنشاء قائمة عمليات لتحديث حالة القياس بناءً على قيم الإدخال. |
منطقية | يساوي (كائن arg0) |
الدرجة النهائية<?> | الحصول على كلاس () |
كثافة العمليات | رمز التجزئة () |
الفراغ النهائي | إعلام () |
الفراغ النهائي | إعلام الكل () |
خيط | إلى سلسلة () |
الفراغ النهائي | انتظر (طويل arg0، int arg1) |
الفراغ النهائي | انتظر (طويل arg0) |
الفراغ النهائي | انتظر () |
المقاولون العامون
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، تجانس، بذرة طويلة، نوع Class<T>)
ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات.
يستخدم CHANNELS_LAST
لمحور القناة.
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذا المقياس، إذا كان فارغًا، فإن اسم المقياس هو getSimpleName() . |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية أو على عكس التوزيع الاحتمالي. |
labelSmoothing | القيمة المستخدمة لتسوية التسميات، عندما > 0، يتم تنعيم قيم التسميات، مما يعني تخفيف الثقة في قيم التسميات. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
بذرة | البذور لتوليد أرقام عشوائية. ستنتج أداة التهيئة التي تم إنشاؤها باستخدام بذرة معينة دائمًا نفس الموتر العشوائي لشكل معين ونوع بيانات معين. |
يكتب | نوع المتغيرات والنتيجة |
CategoricalCrossentropy العام (Ops tf، اسم السلسلة، منطقي fromLogits، تسمية عائمة، محور int، بذرة طويلة، نوع Class<T>)
ينشئ مقياس CategoricalCrossentropy الذي يحسب مقياس Crossentropy بين التسميات والتنبؤات.
حدود
tf | عمليات TensorFlow |
---|---|
اسم | اسم هذا المقياس، إذا كان فارغًا، فإن اسم المقياس هو getSimpleName() . |
fromLogits | ما إذا كان سيتم تفسير التنبؤات على أنها موتر للقيم اللوغاريتمية بدلاً من التوزيع الاحتمالي. |
labelSmoothing | القيمة المستخدمة لتسوية التسميات، عندما > 0، يتم تنعيم قيم التسميات، مما يعني تخفيف الثقة في قيم التسميات. على سبيل المثال، labelSmoothing=0.2 يعني أننا سنستخدم قيمة 0.1 للتسمية 0 و 0.9 للتسمية 1 |
محور | Int تحديد محور القنوات. axis= يتوافق مع تنسيق البيانات channels_last ، axis= يتوافق مع تنسيق البيانات channels_first . |
بذرة | البذور لتوليد أرقام عشوائية. ستنتج أداة التهيئة التي تم إنشاؤها باستخدام بذرة معينة دائمًا نفس الموتر العشوائي لشكل معين ونوع بيانات معين. |
يكتب | نوع المتغيرات والنتيجة |