SparseCategoricalCrossentropy

kelas publik SparseCategoricalCrossentropy

Metrik yang menghitung kerugian entropi silang kategoris yang jarang antara label sebenarnya dan label prediksi.

Rangkaian	MENGHITUNG
Rangkaian	TOTAL

SparseCategoricalCrossentropy (Ops tf, Nama string, boolean fromLogits, sumbu int, benih panjang, tipe Kelas<T>)

Membuat metrik SparseCategoricalCrossentropy

panggilan ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi)

Menghitung kerugian tertimbang antara labels dan predictions

Metrik Kerugian <T>	dapatkan Kerugian () Mendapatkan fungsi kerugian.
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi yang memperbarui status metrik rata-rata, dengan memanggil fungsi kerugian dan meneruskan kerugian ke metrik Mean untuk menghitung rata-rata tertimbang kerugian pada banyak iterasi.

Variabel <T>	dapatkan Hitungan () Mendapatkan variabel hitungan
Kelas<T>	dapatkan HasilJenis () Mendapatkan tipe untuk variabel
Variabel <T>	dapatkanTotal () Mendapatkan variabel total
Op	resetStatus () Menyetel ulang variabel status apa pun ke nilai awalnya
Operan <T>	hasil () Mendapatkan hasil metrik saat ini
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Memperbarui variabel metrik berdasarkan masukan.

Operan terakhir <T>	callOnce ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Memanggil status pembaruan satu kali, diikuti dengan panggilan untuk mendapatkan hasilnya
Rangkaian	dapatkan Nama () Mendapatkan nama metrik ini.
panjang	dapatkan Benih () Mendapatkan nilai benih penghasil angka acak
Operasi	dapatkanTF () Mendapatkan Operasi TensorFlow
abstrak Op	resetStatus () Menyetel ulang variabel status apa pun ke nilai awalnya
Operan abstrak <T>	hasil () Mendapatkan hasil metrik saat ini
operasi terakhir	updateState ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
operasi terakhir	updateState ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Operasi NoOp dengan dependensi kontrol untuk memperbarui status metrik
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan label dan prediksi.
Daftar< Operasi >	updateStateList ( Operand <? extends TNumber > nilai, Operand <? extends TNumber > sampleWeights) Membuat Daftar Operasi untuk memperbarui status metrik berdasarkan nilai input.

Dari kelas java.lang.Object

Operan abstrak <T>

panggilan ( Operand <? extends TNumber > label, Operand <? extends TNumber > prediksi)

Menghitung kerugian tertimbang antara labels dan predictions

Konstruktor Publik

Membuat metrik SparseCategoricalCrossentropy

tf	Operasi TensorFlow
nama	nama metrik ini, jika null maka nama metriknya adalah `getSimpleName()` .
dariLogits	Apakah akan menafsirkan prediksi sebagai tensor nilai logit dan bukan distribusi probabilitas.
sumbu	Dimensi di mana entropi dihitung.
benih	benih untuk menghasilkan angka acak. Penginisialisasi yang dibuat dengan seed tertentu akan selalu menghasilkan tensor acak yang sama untuk bentuk dan tipe data tertentu.
jenis	jenis variabel dan hasilnya

Menghitung kerugian tertimbang antara labels dan predictions

label	nilai atau label kebenaran
prediksi	prediksi