BinaryCrossentropy

প্রকৃত লেবেল এবং পূর্বাভাসিত লেবেলের মধ্যে ক্রস-এনট্রপি ক্ষতি গণনা করে।

এই ক্রস-এনট্রপি লস ব্যবহার করুন যখন শুধুমাত্র দুটি লেবেল ক্লাস থাকে (0 এবং 1 বলে ধরে নেওয়া হয়)। প্রতিটি উদাহরণের জন্য, প্রতি পূর্বাভাসের জন্য একটি একক ফ্লোটিং-পয়েন্ট মান থাকা উচিত।

স্বতন্ত্র ব্যবহার:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {0.f, 0.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
    BinaryCrossentropy bce = new BinaryCrossentropy(tf);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces 0.815
 

নমুনা ওজন সহ কল ​​করা:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = bce.call(labels, predictions, sampleWeight);
    // produces 0.458f
 

SUM হ্রাস প্রকার ব্যবহার করে:

    BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.SUM);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces 1.630f
 

NONE হ্রাস প্রকার ব্যবহার করে:

    BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.NONE);
    Operand<TFloat32> result = bce.call(labels, predictions);
    // produces [0.916f, 0.714f]