BinaryCrossentropy

כיתה ציבורית BinaryCrossentropy

מחשב את אובדן האנטרופיה הצולבת בין תוויות אמיתיות לתוויות חזויות.

השתמש באובדן צולב אנטרופיה זה כאשר יש רק שתי מחלקות תוויות (ההנחה היא 0 ו-1). עבור כל דוגמה, צריך להיות ערך נקודה צפה בודדת לכל חיזוי.

שימוש עצמאי:

    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
 

מתקשר עם משקל מדגם:

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

שימוש בסוג הפחתת SUM :

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

שימוש בסוג הפחתה NONE :

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

קבועים

בוליאני FROM_LOGITS_DEFAULT
לָצוּף LABEL_SMOOTHING_DEFAULT

שדות בירושה

בונים ציבוריים

BinaryCrossentropy (Ops tf)
יוצר הפסד קרוסנטרופי בינארי באמצעות getSimpleName() כשם ההפסד, FROM_LOGITS_DEFAULT עבור fromLogits, LABEL_SMOOTHING_DEFAULT עבור labelSmoothing והפחתת הפסד של REDUCTION_DEFAULT
BinaryCrossentropy (Ops tf, הפחתת הפחתה )
יוצר אובדן קרוסנטרופי בינארי באמצעות getSimpleName() כשם ההפסד, FROM_LOGITS_DEFAULT עבור fromLogits ו- LABEL_SMOOTHING_DEFAULT עבור labelSmoothing
BinaryCrossentropy (Ops tf, בוליאני מLogits)
יוצר אובדן קרוסנטרופי בינארי באמצעות שימוש getSimpleName() כשם ההפסד, labelSmoothing של LABEL_SMOOTHING_DEFAULT , הפחתה של REDUCTION_DEFAULT ,
BinaryCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits)
יוצר אובדן קרוסנטרופיה בינארי באמצעות labelSmoothing של LABEL_SMOOTHING_DEFAULT הפחתה של REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing)
יוצר אובדן Crossentropy בינארי באמצעות שימוש getSimpleName() כשם ההפסד, והפחתה של REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing)
יוצר אובדן קרוסנטרופיה בינארי באמצעות הפחתה של REDUCTION_DEFAULT .
BinaryCrossentropy (Ops tf, Boolean fromLogits, float labelSmoothing, הפחתת הפחתה )
יוצר אובדן קרוסנטרופיה בינארית
BinaryCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, הפחתת הפחתה )
יוצר אובדן קרוסנטרופיה בינארית

שיטות ציבוריות

<T מרחיב את TNummer > Operand <T>
שיחה ( Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Oprand <T> sampleWeights)
יוצר אופרנד שמחשב את ההפסד.

שיטות בירושה

קבועים

בוליאן סופי סטטי ציבורי FROM_LOGITS_DEFAULT

ערך קבוע: שקר

ציפה סופית סטטית ציבורית LABEL_SMOOTHING_DEFAULT

ערך קבוע: 0.0

בונים ציבוריים

Public BinaryCrossentropy (Ops tf)

יוצר הפסד קרוסנטרופי בינארי באמצעות getSimpleName() כשם ההפסד, FROM_LOGITS_DEFAULT עבור fromLogits, LABEL_SMOOTHING_DEFAULT עבור labelSmoothing והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים
tf ה- TensorFlow Ops

Public BinaryCrossentropy (Ops tf, הפחתת הפחתה )

יוצר אובדן קרוסנטרופי בינארי באמצעות getSimpleName() כשם ההפסד, FROM_LOGITS_DEFAULT עבור fromLogits ו- LABEL_SMOOTHING_DEFAULT עבור labelSmoothing

פרמטרים
tf ה- TensorFlow Ops
צִמצוּם סוג ההפחתה שיחול על ההפסד.

Public BinaryCrossentropy (Ops tf, בוליאני מLogits)

יוצר אובדן קרוסנטרופי בינארי באמצעות שימוש getSimpleName() כשם ההפסד, labelSmoothing של LABEL_SMOOTHING_DEFAULT , הפחתה של REDUCTION_DEFAULT ,

פרמטרים
tf ה- TensorFlow Ops
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט

Public BinaryCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits)

יוצר אובדן קרוסנטרופיה בינארי באמצעות labelSmoothing של LABEL_SMOOTHING_DEFAULT הפחתה של REDUCTION_DEFAULT .

פרמטרים
tf ה- TensorFlow Ops
שֵׁם שם האובדן
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט

Public BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing)

יוצר אובדן Crossentropy בינארי באמצעות שימוש getSimpleName() כשם ההפסד, והפחתה של REDUCTION_DEFAULT .

פרמטרים
tf ה- TensorFlow Ops
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה מספר בטווח, [0, 1]. כאשר 0, לא מתרחשת החלקה. כאשר > 0, חשב את ההפסד בין התוויות החזויות לגרסה מוחלקת של התוויות האמיתיות, כאשר ההחלקה לוחצת את התוויות לכיוון 0.5. ערכים גדולים יותר של labelSmoothing מתאימים להחלקה כבדה יותר.

Public BinaryCrossentropy (Ops tf, שם מחרוזת, Boolean fromLogits, float labelSmoothing)

יוצר אובדן קרוסנטרופיה בינארי באמצעות הפחתה של REDUCTION_DEFAULT .

פרמטרים
tf ה- TensorFlow Ops
שֵׁם שם האובדן
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה מספר בטווח, [0, 1]. כאשר 0, לא מתרחשת החלקה. כאשר > 0, חשב את ההפסד בין התוויות החזויות לגרסה מוחלקת של התוויות האמיתיות, כאשר ההחלקה לוחצת את התוויות לכיוון 0.5. ערכים גדולים יותר של labelSmoothing מתאימים להחלקה כבדה יותר.

Public BinaryCrossentropy (Ops tf, boolean fromLogits, float labelSmoothing, Reduction reduction)

יוצר אובדן קרוסנטרופיה בינארית

פרמטרים
tf ה- TensorFlow Ops
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה מספר בטווח, [0, 1]. כאשר 0, לא מתרחשת החלקה. כאשר > 0, חשב את ההפסד בין התוויות החזויות לגרסה מוחלקת של התוויות האמיתיות, כאשר ההחלקה לוחצת את התוויות לכיוון 0.5. ערכים גדולים יותר של labelSmoothing מתאימים להחלקה כבדה יותר.
צִמצוּם סוג ההפחתה שיחול על ההפסד.

Public BinaryCrossentropy (Ops tf, שם מחרוזת, בוליאני מLogits, תווית ציפהSmoothing, הפחתת הפחתה )

יוצר אובדן קרוסנטרופיה בינארית

פרמטרים
tf ה- TensorFlow Ops
שֵׁם שם האובדן
מLogits האם לפרש תחזיות כטנזור של ערכי לוגיט
תווית החלקה מספר בטווח, [0, 1]. כאשר 0, לא מתרחשת החלקה. כאשר > 0, חשב את ההפסד בין התוויות החזויות לגרסה מוחלקת של התוויות האמיתיות, כאשר ההחלקה לוחצת את התוויות לכיוון 0.5. ערכים גדולים יותר של LabelSmoothing תואמים להחלקה כבדה יותר.
צִמצוּם סוג ההפחתה שיחול על ההפסד.
זורק
חריג טיעון לא חוקי אם labelSmoothing אינו בטווח הכולל של 0. - 1.

שיטות ציבוריות

קריאת Operand <T> ציבורית ( Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Oprand <T> דוגמת משקלים)

יוצר אופרנד שמחשב את ההפסד.

אם ההפעלה במצב גרף, החישוב יזרוק TFInvalidArgumentException אם ערכי החיזויים נמצאים מחוץ לטווח o [0. ל-1.]. במצב להוט, קריאה זו תזרוק IllegalArgumentException , אם ערכי החיזויים נמצאים מחוץ לטווח o [0. ל-1.]

פרמטרים
תוויות ערכי האמת או התוויות
תחזיות הערכים החיזויים חייבים להיות בטווח [0. עד 1.] כולל.
משקולות לדוגמה SampleWeights אופציונליים פועלים כמקדם לאובדן. אם מסופק סקלר, אזי ההפסד פשוט מוגדל לפי הערך הנתון. אם SampleWeights הוא טנסור בגודל [batch_size], אז ההפסד הכולל עבור כל דגימה של האצווה משתנה מחדש על ידי האלמנט המתאים בוקטור SampleWeights. אם הצורה של SampleWeights היא [batch_size, d0, ..dN-1] (או שניתן לשדר אותה לצורה זו), אז כל רכיב אובדן של חיזויים משתנה לפי הערך המתאים של SampleWeights. (הערה לגבי dN-1: כל פונקציות האובדן מצטמצמות במימד אחד, בדרך כלל ציר=-1.)
מחזיר
  • ההפסד
זורק
חריג טיעון לא חוקי אם התחזיות הן מחוץ לטווח [0.-1.].