klasa publiczna BinaryCrossentropy
Oblicza stratę entropii krzyżowej między etykietami rzeczywistymi i etykietami przewidywanymi.
Użyj tej straty między entropią, gdy istnieją tylko dwie klasy etykiet (przyjmuje się, że są to 0 i 1). W każdym przykładzie powinna istnieć jedna wartość zmiennoprzecinkowa na prognozę.
Samodzielne użycie:
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
Wywołanie z wagą próbki:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
Operand<TFloat32> result = bce.call(labels, predictions, sampleWeight);
// produces 0.458f
Używanie typu redukcji SUM :
BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.SUM);
Operand<TFloat32> result = bce.call(labels, predictions);
// produces 1.630f
Używanie typu redukcji NONE :
BinaryCrossentropy bce = new BinaryCrossentropy(tf, Reduction.NONE);
Operand<TFloat32> result = bce.call(labels, predictions);
// produces [0.916f, 0.714f]
Stałe
| wartość logiczna | FROM_LOGITS_DEFAULT | |
| platforma | LABEL_SMOOTHING_DEFAULT |
Dziedziczone pola
Konstruktorzy publiczni
BinarnyCrossentropia (Ops tf) Tworzy binarną stratę krzyżową, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i redukcji strat wynoszącej REDUCTION_DEFAULT | |
BinarnyCrossentropia (Ops tf, redukcja redukcji ) Tworzy binarną stratę Crossentropy, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits i LABEL_SMOOTHING_DEFAULT dla labelSmoothing | |
BinaryCrossentropy (Ops tf, wartość logiczna z Logits) Tworzy binarną stratę Crossentropy, używając getSimpleName() jako nazwy straty, labelSmoothing LABEL_SMOOTHING_DEFAULT , redukcja REDUCTION_DEFAULT , | |
BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits) Tworzy binarną stratę crossentropii przy użyciu labelSmoothing LABEL_SMOOTHING_DEFAULT redukcji REDUCTION_DEFAULT . | |
BinaryCrossentropy (Ops tf, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing) Tworzy binarną stratę krzyżową, używając getSimpleName() jako nazwy straty i redukcji REDUCTION_DEFAULT . | |
BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing) Tworzy binarną stratę crossentropii przy użyciu redukcji REDUCTION_DEFAULT . | |
BinaryCrossentropy (Ops tf, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji ) Tworzy binarną stratę krzyżową | |
BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji) Tworzy binarną stratę krzyżową |
Metody publiczne
| <T rozszerza TNumer > Operand <T> |
Metody dziedziczone
Stałe
publiczna statyczna końcowa wartość logiczna FROM_LOGITS_DEFAULT
Wartość stała: fałsz
publiczny statyczny końcowy float LABEL_SMOOTHING_DEFAULT
Wartość stała: 0,0
Konstruktorzy publiczni
public BinaryCrossentropy (Ops tf)
Tworzy binarną stratę krzyżową, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits, LABEL_SMOOTHING_DEFAULT dla labelSmoothing i redukcji strat wynoszącej REDUCTION_DEFAULT
Parametry
| tf | operacji TensorFlow |
|---|
public BinaryCrossentropy (Ops tf, redukcja redukcji )
Tworzy binarną stratę Crossentropy, używając getSimpleName() jako nazwy straty, FROM_LOGITS_DEFAULT dla fromLogits i LABEL_SMOOTHING_DEFAULT dla labelSmoothing
Parametry
| tf | operacji TensorFlow |
|---|---|
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
public BinaryCrossentropy (Ops tf, wartość logiczna zLogits)
Tworzy binarną stratę Crossentropy, używając getSimpleName() jako nazwy straty, labelSmoothing LABEL_SMOOTHING_DEFAULT , redukcja REDUCTION_DEFAULT ,
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
public BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits)
Tworzy binarną stratę crossentropii przy użyciu labelSmoothing LABEL_SMOOTHING_DEFAULT redukcji REDUCTION_DEFAULT .
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | nazwa straty |
| zLogits | Czy interpretować prognozy jako tensor wartości logitowych |
public BinaryCrossentropy (Ops tf, wartość logiczna zLogits, float labelSmoothing)
Tworzy binarną stratę krzyżową, używając getSimpleName() jako nazwy straty i redukcji REDUCTION_DEFAULT .
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Liczba z zakresu [0, 1]. Gdy 0, wygładzanie nie występuje. Gdy > 0, oblicz stratę między przewidywanymi etykietami a wygładzoną wersją prawdziwych etykiet, gdzie wygładzanie ściska etykiety w kierunku 0,5. Większe wartości labelSmoothing odpowiadają intensywniejszemu wygładzaniu. |
public BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaSmoothing)
Tworzy binarną stratę crossentropii przy użyciu redukcji REDUCTION_DEFAULT .
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | nazwa straty |
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Liczba z zakresu [0, 1]. Gdy 0, wygładzanie nie występuje. Gdy > 0, oblicz stratę między przewidywanymi etykietami a wygładzoną wersją prawdziwych etykiet, gdzie wygładzanie ściska etykiety w kierunku 0,5. Większe wartości labelSmoothing odpowiadają intensywniejszemu wygładzaniu. |
public BinaryCrossentropy (Ops tf, wartość logiczna zLogits, float labelSmoothing, redukcja redukcji )
Tworzy binarną stratę krzyżową
Parametry
| tf | operacji TensorFlow |
|---|---|
| zLogits | Czy interpretować przewidywania jako tensor wartości logitowych |
| etykietaWygładzanie | Liczba z zakresu [0, 1]. Gdy 0, wygładzanie nie występuje. Gdy > 0, oblicz stratę między przewidywanymi etykietami a wygładzoną wersją prawdziwych etykiet, gdzie wygładzanie ściska etykiety w kierunku 0,5. Większe wartości labelSmoothing odpowiadają intensywniejszemu wygładzaniu. |
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
public BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna zLogits, etykieta zmiennoprzecinkowaWygładzanie, redukcja redukcji)
Tworzy binarną stratę krzyżową
Parametry
| tf | operacji TensorFlow |
|---|---|
| nazwa | nazwa straty |
| zLogits | Czy interpretować prognozy jako tensor wartości logitowych |
| etykietaWygładzanie | Liczba z zakresu [0, 1]. Gdy 0, wygładzanie nie występuje. Gdy > 0, oblicz stratę między przewidywanymi etykietami a wygładzoną wersją prawdziwych etykiet, gdzie wygładzanie ściska etykiety w kierunku 0,5. Większe wartości labelSmoothing odpowiadają intensywniejszemu wygładzaniu. |
| zmniejszenie | Rodzaj obniżki stosowanej w przypadku straty. |
Rzuca
| Wyjątek IllegalArgument | jeśli labelSmoothing nie należy do zakresu 0. - 1. |
|---|
Metody publiczne
publiczne wywołanie argumentu <T> ( operand <? rozszerza TNumber > etykiety, przewidywania argumentu <T>, argumentu <T> próbkiWagi)
Generuje operand, który oblicza stratę.
Jeśli zostanie uruchomione w trybie wykresu, obliczenia zgłoszą wyjątek TFInvalidArgumentException jeśli wartości przewidywań będą poza zakresem o [0. do 1.]. W trybie Eager to wywołanie zgłosi wyjątek IllegalArgumentException , jeśli wartości przewidywań wykraczają poza zakres o [0. do 1.]
Parametry
| etykiety | wartości prawdy lub etykiety |
|---|---|
| prognozy | przewidywań, wartości muszą mieścić się w zakresie [0. do 1.] włącznie. |
| próbkiWagi | Opcjonalne próbki SampleWeights działają jako współczynnik straty. Jeśli podany jest skalar, strata jest po prostu skalowana według podanej wartości. Jeśli SampleWeights jest tensorem rozmiaru [batch_size], wówczas całkowita strata dla każdej próbki w partii jest przeskalowana przez odpowiedni element wektora SampleWeights. Jeśli kształt SampleWeights wynosi [batch_size, d0, .. dN-1] (lub może być nadawany do tego kształtu), wówczas każdy element predykcji straty jest skalowany przez odpowiednią wartość SampleWeights. (Uwaga do dN-1: wszystkie funkcje straty zmniejszają się o 1 wymiar, zwykle oś=-1.) |
Powroty
- strata
Rzuca
| Wyjątek IllegalArgument | jeśli przewidywania są poza zakresem [0.-1.]. |
|---|