כיתה ציבורית קטגוריתCrossentropy
מדד שמחשב את אובדן האנטרופיה הקטגורית בין תוויות אמיתיות לתוויות חזויות.
זוהי המחלקה המטרית crossentropy לשימוש כאשר ישנן מספר מחלקות תוויות (2 או יותר). התוויות צריכות להינתן כייצוג one_hot. לדוגמה, כאשר ערכי התוויות הם [2, 0, 1] , התוויות Operand מכילות = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
קבועים בירושה
בונים ציבוריים
CategoricalCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, זרע ארוך, סוג Class<T>) יוצר מדד CategoricalCrossentropy שמחשב את מדד ה-crossentropy בין התוויות והתחזיות. | |
CategoricalCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, ציר int, זרע ארוך, סוג Class<T>) יוצר מדד CategoricalCrossentropy שמחשב את מדד ה-crossentropy בין התוויות והתחזיות. |
שיטות ציבוריות
| אופרנד <T> | שיחה ( Operand <? מרחיב את TNumber > תוויות, Operand <? מרחיב את TNumber > תחזיות) מחשב את ההפסד המשוקלל בין labels predictions |
שיטות בירושה
בונים ציבוריים
public CategoricalCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, זרע ארוך, סוג Class<T>)
יוצר מדד CategoricalCrossentropy שמחשב את מדד ה-crossentropy בין התוויות והתחזיות.
משתמש ב- CHANNELS_LAST עבור ציר הערוץ.
פרמטרים
| tf | ה- TensorFlow Ops |
|---|---|
| שֵׁם | השם של המדד הזה, אם null אז שם המדד הוא getSimpleName() . |
| מLogits | האם לפרש תחזיות כטנזור של ערכי לוגיט או בניגוד להתפלגות הסתברות. |
| תווית החלקה | ערך המשמש להחלקת תוויות, כאשר > 0, ערכי התווית מוחלקים, כלומר, האמון על ערכי התווית רגוע. למשל labelSmoothing=0.2 אומר שנשתמש בערך של 0.1 עבור תווית 0 ו 0.9 עבור תווית 1 |
| זֶרַע | הזרע ליצירת מספרים אקראי. מאתחל שנוצר עם זרע נתון תמיד יפיק את אותו טנזור אקראי עבור צורה וסוג נתונים נתונים. |
| סוּג | הסוג של המשתנים והתוצאה |
public CategoricalCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, int axis, long seed, Class<T> סוג)
יוצר מדד CategoricalCrossentropy שמחשב את מדד ה-crossentropy בין התוויות והתחזיות.
פרמטרים
| tf | ה- TensorFlow Ops |
|---|---|
| שֵׁם | השם של המדד הזה, אם null אז שם המדד הוא getSimpleName() . |
| מLogits | האם לפרש תחזיות כטנזור של ערכי לוגיט בניגוד להתפלגות הסתברות. |
| תווית החלקה | ערך המשמש להחלקת תוויות, כאשר > 0, ערכי התווית מוחלקים, כלומר, האמון על ערכי התווית רגוע. למשל labelSmoothing=0.2 אומר שנשתמש בערך של 0.1 עבור תווית 0 ו 0.9 עבור תווית 1 |
| צִיר | Int מציין את ציר הערוצים. axis= מתאים לפורמט הנתונים channels_last , וציר axis= מתאים לפורמט הנתונים channels_first . |
| זֶרַע | הזרע ליצירת מספרים אקראי. מאתחל שנוצר עם זרע נתון תמיד יפיק את אותו טנזור אקראי עבור צורה וסוג נתונים נתונים. |
| סוּג | הסוג של המשתנים והתוצאה |
שיטות ציבוריות
שיחת Operand <T> ציבורית ( Operand <? מרחיב את התוויות של TNumber >, Operand <? מרחיב את תחזיות TNumber >)
מחשב את ההפסד המשוקלל בין labels predictions
פרמטרים
| תוויות | ערכי האמת או התוויות |
|---|---|
| תחזיות | את התחזיות |
החזרות
- ההפסד