CategoricalCrossentropy

الطبقة العامة CategoricalCrossentropy

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

org.tensorflow.framework.metrics.impl.Reduce
خيط عدد
خيط المجموع

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

المعامل <T>
استدعاء ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات)
حساب الخسارة المرجحة بين labels predictions

الطرق الموروثة

org.tensorflow.framework.metrics.impl.MeanMetricWrapper
قياس الخسارة <T>
الحصول على الخسارة ()
يحصل على وظيفة الخسارة.
قائمة< المرجع >
updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights)
ينشئ عمليات تعمل على تحديث حالة القياس المتوسط، عن طريق استدعاء دالة الخسارة وتمرير الخسارة إلى مقياس المتوسط ​​لحساب المتوسط ​​المرجح للخسارة عبر العديد من التكرارات.
org.tensorflow.framework.metrics.impl.Reduce
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.
org.tensorflow.framework.metrics.Metric
المعامل النهائي <T>
callOnce ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights)
يتم تحديث حالة المكالمات مرة واحدة، تليها مكالمة للحصول على النتيجة
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
updateState ( المعامل <? يمتد TNumber > التسميات، والمعامل <? يمتد TNumber > التنبؤات، والمعامل <? يمتد TNumber > SampleWeights)
ينشئ عملية NoOp مع تبعيات التحكم لتحديث حالة القياس
المرجع النهائي
updateState ( المعامل <؟ يمتد TNumber > القيم، المعامل <؟ يمتد TNumber > SampleWeights)
ينشئ عملية NoOp مع تبعيات التحكم لتحديث حالة القياس
قائمة< المرجع >
updateStateList ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات، المعامل <؟ يمتد TNumber > SampleWeights)
إنشاء قائمة عمليات لتحديث حالة القياس بناءً على التسميات والتنبؤات.
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 ()
org.tensorflow.framework.metrics.impl.LossMetric
المعامل المجرد <T>
استدعاء ( المعامل <؟ يمتد TNumber > التسميات، المعامل <؟ يمتد TNumber > التنبؤات)
حساب الخسارة المرجحة بين labels predictions

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= CHANNELS_LAST يتوافق مع تنسيق البيانات channels_last ، axis= CHANNELS_FIRST 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

الأساليب العامة

استدعاء المعامل العام <T> ( المعامل <? يمتد TNumber > التسميات، المعامل <? يمتد TNumber > التنبؤات)

حساب الخسارة المرجحة بين labels predictions

حدود
تسميات قيم الحقيقة أو التسميات
التنبؤات التوقعات
عائدات
  • خسارة