パブリック クラスCategoricalCrossentropy
真のラベルと予測されたラベル間のカテゴリカルなクロスエントロピー損失を計算するメトリック。
これは、複数のラベル クラス (2 つ以上) がある場合に使用されるクロスエントロピー メトリック クラスです。ラベルは one_hot 表現として指定する必要があります。たとえば、ラベルの値が[2, 0, 1]の場合、ラベルのオペランドには = [[0, 0, 1], [1, 0, 0], [0, 1, 0]]含まれます。
継承された定数
パブリックコンストラクター
CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、ロング シード、Class<T> タイプ) ラベルと予測の間のクロスエントロピー メトリックを計算する CategoricalCrossentropy メトリックを作成します。 | |
CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、int 軸、long シード、Class<T> タイプ) ラベルと予測の間のクロスエントロピー メトリックを計算する CategoricalCrossentropy メトリックを作成します。 |
パブリックメソッド
| オペランド<T> |
継承されたメソッド
パブリックコンストラクター
public CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、ロング シード、Class<T> タイプ)
ラベルと予測の間のクロスエントロピー メトリックを計算する CategoricalCrossentropy メトリックを作成します。
チャネル軸にCHANNELS_LASTを使用します。
パラメーター
| TF | TensorFlow オペレーション |
|---|---|
| 名前 | このメトリックの名前。null の場合、メトリック名はgetSimpleName()です。 |
| fromロジッツ | 予測をロジット値のテンソルとして解釈するか、確率分布とは対照的に解釈するか。 |
| ラベルスムージング | ラベルを平滑化するために使用される値。0 より大きい場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 labelSmoothing=0.2ラベル0には0.1の値を使用し、ラベル1には0.9の値を使用することを意味します。 |
| シード | 乱数生成のシード。特定のシードを使用して作成されたイニシャライザは、常に特定の形状とデータ型に対して同じランダム テンソルを生成します。 |
| タイプ | 変数と結果の型 |
public CategoricalCrossentropy (Ops tf、文字列名、ブール値 fromLogits、float labelSmoothing、int axis、long シード、Class<T> タイプ)
ラベルと予測の間のクロスエントロピー メトリックを計算する CategoricalCrossentropy メトリックを作成します。
パラメーター
| TF | TensorFlow オペレーション |
|---|---|
| 名前 | このメトリックの名前。null の場合、メトリック名はgetSimpleName()です。 |
| fromロジッツ | 予測を確率分布ではなくロジット値のテンソルとして解釈するかどうか。 |
| ラベルスムージング | ラベルを平滑化するために使用される値。0 より大きい場合、ラベル値は平滑化されます。これは、ラベル値の信頼性が緩和されることを意味します。たとえば、 labelSmoothing=0.2ラベル0には0.1の値を使用し、ラベル1には0.9の値を使用することを意味します。 |
| 軸 | チャネル軸を指定する Int。 axis= データ形式channels_lastに対応し、 axis= データ形式channels_firstに対応します。 |
| シード | 乱数生成のシード。特定のシードを使用して作成されたイニシャライザは、常に特定の形状とデータ型に対して同じランダム テンソルを生成します。 |
| タイプ | 変数と結果の型 |