Aprenda o que há de mais recente em aprendizado de máquina, IA generativa e muito mais no WiML Symposium 2023 Registre-se

Esta página foi traduzida pela API Cloud Translation.

SparseCategoricalCrossentropy

public class SparseCategoricalCrossentropy

Uma métrica que calcula a perda de entropia cruzada categórica esparsa entre rótulos verdadeiros e rótulos previstos.

Fragmento	CONTAR
Fragmento	TOTAL

SparseCategoricalCrossentropy (Ops tf, nome da string, booleano fromLogits, eixo interno, semente longa, tipo de classe <T>)

Cria uma métrica SparseCategoricalCrossentropy

chamada ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões)

Calcula a perda ponderada entre labels e predictions

LossMetric <T>	getLoss () Obtém a função de perda.
Lista < Op >	updateStateList ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria operações que atualizam o estado da métrica média, chamando a função de perda e passando a perda para a métrica Média para calcular a média ponderada da perda em várias iterações.

Variável <T>	getCount () Obtém a variável de contagem
Classe <T>	getResultType () Obtém o tipo das variáveis
Variável <T>	getTotal () Obtém a variável total
Op	resetStates () Redefine quaisquer variáveis de estado para seus valores iniciais
Operando <T>	resultado () Obtém o resultado atual da métrica
Lista < Op >	updateStateList ( Operando <? estende TNumber > valores, operando <? estende TNumber > sampleWeights) Atualiza as variáveis métricas com base nas entradas.

Operando final <T>	callOnce ( Operando <? estende TNumber > valores, operando <? estende TNumber > sampleWeights) Chama o estado de atualização uma vez, seguido por uma chamada para obter o resultado
Fragmento	getName () Obtém o nome desta métrica.
longo	getSeed () Obtém o valor da semente do gerador de número aleatório
Ops	getTF () Obtém as operações do TensorFlow
Op abstrato	resetStates () Redefine quaisquer variáveis de estado para seus valores iniciais
Operando abstrato <T>	resultado () Obtém o resultado atual da métrica
op final	updateState ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
op final	updateState ( Operando <? estende TNumber > valores, operando <? estende TNumber > sampleWeights) Cria uma operação NoOp com dependências de controle para atualizar o estado da métrica
Lista < Op >	updateStateList ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões, Operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base em rótulos e previsões.
Lista < Op >	updateStateList ( Operando <? estende TNumber > valores, operando <? estende TNumber > sampleWeights) Cria uma lista de operações para atualizar o estado da métrica com base nos valores de entrada.

Da classe java.lang.Object

Operando abstrato <T>

chamada ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões)

Calcula a perda ponderada entre labels e predictions

Construtores Públicos

Cria uma métrica SparseCategoricalCrossentropy

tf	o TensorFlow Ops
nome	o nome dessa métrica, se nulo, o nome da métrica é `getSimpleName()` .
fromLogits	Se deve interpretar previsões como um tensor de valores logit em oposição a uma distribuição de probabilidade.
eixo	A dimensão ao longo da qual a entropia é calculada.
semente	a semente para geração de números aleatórios. Um inicializador criado com uma determinada semente sempre produzirá o mesmo tensor aleatório para uma determinada forma e tipo de dados.
modelo	o tipo para as variáveis e resultado

Calcula a perda ponderada entre labels e predictions

rótulos	os valores verdadeiros ou rótulos
previsões	as previsões