Una metrica che calcola la perdita di entropia incrociata categorica tra le etichette vere e quelle previste.
Questa è la classe della metrica dell'entropia incrociata da utilizzare quando sono presenti più classi di etichette (2 o più). Le etichette dovrebbero essere fornite come rappresentazione one_hot. ad esempio, quando i valori delle etichette sono [2, 0, 1]
, le etichette Operando contengono = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]
Costanti ereditate
Costruttori pubblici
Entropia incrociata categoriale (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, seme lungo, tipo Classe<T>) Crea una metrica di crossentropia categoriale che calcola la metrica di crossentropia tra le etichette e le previsioni. | |
CategorialeCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, asse int, seme lungo, tipo Classe<T>) Crea una metrica di crossentropia categoriale che calcola la metrica di crossentropia tra le etichette e le previsioni. |
Metodi pubblici
Operando <T> |
Metodi ereditati
Costruttori pubblici
public CategoricalCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, seme lungo, tipo Classe<T>)
Crea una metrica di crossentropia categoriale che calcola la metrica di crossentropia tra le etichette e le previsioni.
Utilizza un CHANNELS_LAST
per l'asse del canale.
Parametri
tf | le operazioni TensorFlow |
---|---|
nome | il nome di questa metrica, se null, il nome della metrica è getSimpleName() . |
da Logits | Se interpretare le previsioni come un tensore di valori logit o in contrapposizione a una distribuzione di probabilità. |
etichettaLevigante | valore utilizzato per smussare le etichette. Quando > 0, i valori delle etichette vengono livellati, il che significa che la confidenza sui valori delle etichette viene attenuata. ad esempio labelSmoothing=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1 |
seme | il seme per la generazione di numeri casuali. Un inizializzatore creato con un dato seme produrrà sempre lo stesso tensore casuale per una data forma e tipo di dati. |
tipo | il tipo per le variabili e il risultato |
public CategoricalCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, asse int, seme lungo, tipo Classe<T>)
Crea una metrica di crossentropia categorica che calcola la metrica di crossentropia tra le etichette e le previsioni.
Parametri
tf | le operazioni TensorFlow |
---|---|
nome | il nome di questa metrica, se null, il nome della metrica è getSimpleName() . |
da Logits | Se interpretare le previsioni come un tensore di valori logit anziché una distribuzione di probabilità. |
etichettaLevigante | valore utilizzato per smussare le etichette. Quando > 0, i valori delle etichette vengono livellati, il che significa che la confidenza sui valori delle etichette viene attenuata. ad esempio labelSmoothing=0.2 significa che utilizzeremo un valore di 0.1 per l'etichetta 0 e 0.9 per l'etichetta 1 |
asse | Int che specifica l'asse dei canali. axis= corrisponde al formato dati channels_last e axis= corrisponde al formato dati channels_first . |
seme | il seme per la generazione di numeri casuali. Un inizializzatore creato con un dato seme produrrà sempre lo stesso tensore casuale per una data forma e tipo di dati. |
tipo | il tipo per le variabili e il risultato |
Metodi pubblici
chiamata pubblica all'operando <T> ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni)
Calcola la perdita ponderata tra labels
e predictions
Parametri
etichette | i valori o le etichette di verità |
---|---|
predizioni | le previsioni |
ritorna
- la perdita