Métrica que calcula la pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas previstas.
Esta es la clase de métrica de entropía cruzada que se utilizará cuando haya varias clases de etiquetas (2 o más). Las etiquetas deben proporcionarse como una representación one_hot. por ejemplo, cuando los valores de las etiquetas son [2, 0, 1]
, las etiquetas Operando contienen = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
Constantes heredadas
Constructores Públicos
CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, semilla larga, tipo Class<T>) Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones. | |
CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, eje int, semilla larga, tipo Class<T>) Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones. |
Métodos públicos
Operando <T> |
Métodos heredados
Constructores Públicos
pública CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, etiqueta flotanteSuavizado, semilla larga, tipo Clase<T>)
Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.
Utiliza CHANNELS_LAST
para el eje del canal.
Parámetros
tf | las operaciones de TensorFlow |
---|---|
nombre | el nombre de esta métrica; si es nulo, el nombre de la métrica es getSimpleName() . |
desdeLogits | Si se deben interpretar las predicciones como un tensor de valores logit o en lugar de una distribución de probabilidad. |
etiquetaSuavizado | valor utilizado para suavizar las etiquetas. Cuando > 0, los valores de las etiquetas se suavizan, lo que significa que la confianza en los valores de las etiquetas se relaja. por ejemplo, labelSmoothing=0.2 significa que usaremos un valor de 0.1 para la etiqueta 0 y 0.9 para la etiqueta 1 |
semilla | la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos determinados. |
tipo | el tipo de las variables y el resultado |
public CategoricalCrossentropy (Ops tf, nombre de cadena, booleano fromLogits, suavizado de etiqueta flotante, eje int, semilla larga, tipo Class<T>)
Crea una métrica de entropía cruzada categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.
Parámetros
tf | las operaciones de TensorFlow |
---|---|
nombre | el nombre de esta métrica; si es nulo, el nombre de la métrica es getSimpleName() . |
desdeLogits | Si se deben interpretar las predicciones como un tensor de valores logit en lugar de una distribución de probabilidad. |
etiquetaSuavizado | valor utilizado para suavizar las etiquetas. Cuando > 0, los valores de las etiquetas se suavizan, lo que significa que la confianza en los valores de las etiquetas se relaja. por ejemplo, labelSmoothing=0.2 significa que usaremos un valor de 0.1 para la etiqueta 0 y 0.9 para la etiqueta 1 |
eje | Int especificando el eje de los canales. axis= corresponde al formato de datos channels_last y axis= corresponde al formato de datos channels_first . |
semilla | la semilla para la generación de números aleatorios. Un inicializador creado con una semilla determinada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos determinados. |
tipo | el tipo de las variables y el resultado |
Métodos públicos
Llamada pública al operando <T> ( operando <? extiende las etiquetas TNumber >, operando <? extiende las predicciones TNumber >)
Calcula la pérdida ponderada entre labels
y predictions
Parámetros
etiquetas | los valores o etiquetas de verdad |
---|---|
predicciones | las predicciones |
Devoluciones
- la pérdida