Métrica que calcula la pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas predichas.
Esta es la clase de métrica de entropía cruzada que se utilizará cuando haya varias clases de etiquetas (2 o más). Las etiquetas deben darse como una representación one_hot. Por ejemplo, cuando los valores de las etiquetas son [2, 0, 1]
, las etiquetas Operand contienen = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
.
Constantes heredadas
Constructores públicos
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class <T> tipo) Crea una métrica de cruce de entropía categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones. | |
CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class <T> tipo) Crea una métrica de cruce de entropía categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones. |
Métodos públicos
Operando <T> |
Métodos heredados
Constructores públicos
public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, long seed, Class <T> tipo)
Crea una métrica de cruce de entropía categórica que calcula la métrica de entropía cruzada entre las etiquetas y las predicciones.
Utiliza un 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() . |
deLogits | Si se deben interpretar las predicciones como un tensor de valores logit o como opuestas a una distribución de probabilidad. |
labelSmoothing | valor utilizado para suavizar las etiquetas, cuando> 0, los valores de la etiqueta se suavizan, lo que significa que la confianza en los valores de la etiqueta 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 dada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos dados. |
tipo | el tipo de las variables y el resultado |
public CategoricalCrossentropy (Ops tf, String name, boolean fromLogits, float labelSmoothing, int axis, long seed, Class <T> tipo)
Crea una métrica de cruce de entropía 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() . |
deLogits | Si se deben interpretar las predicciones como un tensor de valores logit en contraposición a una distribución de probabilidad. |
labelSmoothing | valor utilizado para suavizar etiquetas, cuando> 0, los valores de etiqueta se suavizan, lo que significa que la confianza en los valores de etiqueta 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 dada siempre producirá el mismo tensor aleatorio para una forma y tipo de datos dados. |
tipo | el tipo de las variables y el resultado |