CosineSimilarity

clase pública Coseno Similitud

Calcula la similitud del coseno entre etiquetas y predicciones.

Tenga en cuenta que es un número entre -1 y 1 . Cuando es un número negativo entre -1 y 0 , 0 indica ortogonalidad y valores más cercanos a -1 indican mayor similitud. Los valores más cercanos a 1 indican mayor disimilitud. Esto lo hace utilizable como función de pérdida en un entorno en el que se intenta maximizar la proximidad entre las predicciones y los objetivos. Si labels o predictions son un vector cero, la similitud del coseno será 0 independientemente de la proximidad entre las predicciones y los objetivos.

loss = -sum(l2Norm(labels) * l2Norm(predictions))

Uso independiente:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {0.f, 1.f}, {1.f, 1.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 0.f}, {1.f, 1.f} });
    CosineSimilarity cosineLoss = new CosineSimilarity(tf);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces -0.5

Llamar con peso de muestra:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.8f, 0.2f});
    Operand<TFloat32> result = cosineLoss.call(labels, predictions, sampleWeight);
    // produces -0.0999f

Usando el tipo de reducción SUM :

    CosineSimilarity cosineLoss = new CosineSimilarity(tf, Reduction.SUM);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces -0.999f

Usando NONE tipo de reducción:

    CosineSimilarity cosineLoss = new CosineSimilarity(tf, Reduction.NONE);
    Operand<TFloat32> result = cosineLoss.call(labels, predictions);
    // produces [-0.f, -0.999f]

Constantes

entero DEFAULT_AXIS

Campos

Reducción final estática pública DEFAULT_REDUCTION

Campos heredados

Constructores Públicos

Coseno Similitud (Ops tf)
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de pérdida, un eje de DEFAULT_AXIS y una reducción de pérdida de DEFAULT_REDUCTION
CosenoSimilaridad (Ops tf, nombre de cadena)
Crea una pérdida de similitud de coseno utilizando un eje de DEFAULT_AXIS y una reducción de pérdida de DEFAULT_REDUCTION
CosenoSimilaridad (Ops tf, eje int)
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de DEFAULT_REDUCTION
CosenoSimilaridad (Ops tf, int[] eje)
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de DEFAULT_REDUCTION
CosineSimilarity (Ops tf, nombre de cadena, eje int)
Crea una pérdida de similitud de coseno utilizando una reducción de pérdida de DEFAULT_REDUCTION
CosineSimilarity (Ops tf, nombre de cadena, eje int[])
Crea una pérdida de similitud de coseno utilizando una reducción de pérdida de DEFAULT_REDUCTION
CosenoSimilaridad (Ops tf, Reducción reducción)
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de pérdida y un eje de DEFAULT_AXIS
CosineSimilarity (Ops tf, nombre de cadena, reducción de reducción )
Crea una pérdida de similitud de coseno utilizando un eje de DEFAULT_AXIS
CosenoSimilaridad (Ops tf, eje int, reducción reducción )
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida
CosineSimilarity (Ops tf, int[] eje, reducción reducción )
Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida
CosineSimilarity (Ops tf, nombre de cadena, eje int, reducción de reducción )
Crea una pérdida de similitud de coseno
CosineSimilarity (Ops tf, nombre de cadena, eje int[], reducción de reducción )
Crea una pérdida de similitud de coseno

Métodos públicos

<T extiende TNumber > Operando <T>
llamada ( Operando <? extiende etiquetas TNumber >, predicciones de operando <T>, pesos de muestra de operando <T>)
Genera un Operando que calcula la pérdida.

Métodos heredados

Constantes

int final estático público DEFAULT_AXIS

Valor constante: -1

Campos

Reducción final estática pública DEFAULT_REDUCTION

Constructores Públicos

Similitud del coseno público (Ops tf)

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de pérdida, un eje de DEFAULT_AXIS y una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow

CosenoSimilaridad pública (Ops tf, nombre de cadena)

Crea una pérdida de similitud de coseno utilizando un eje de DEFAULT_AXIS y una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida

Coseno similar público (Ops tf, eje int)

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.

Similitud de coseno pública (Ops tf, eje int[])

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida y una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.

CosineSimilarity pública (Ops tf, nombre de cadena, eje int)

Crea una pérdida de similitud de coseno utilizando una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.

CosineSimilarity pública (Ops tf, nombre de cadena, eje int[])

Crea una pérdida de similitud de coseno utilizando una reducción de pérdida de DEFAULT_REDUCTION

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.

CosenoSimilaridad pública (Ops tf, reducción )

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de pérdida y un eje de DEFAULT_AXIS

Parámetros
tf las operaciones de TensorFlow
reducción Tipo de Reducción a aplicar sobre la pérdida.

CosineSimilarity pública (Ops tf, nombre de cadena, reducción de reducción )

Crea una pérdida de similitud de coseno utilizando un eje de DEFAULT_AXIS

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
reducción Tipo de Reducción a aplicar sobre la pérdida.

CosenoSimilaridad pública (Ops tf, eje int, reducción )

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida

Parámetros
tf las operaciones de TensorFlow
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.
reducción Tipo de Reducción a aplicar sobre la pérdida.

CosenoSimilaridad pública (Ops tf, int[] eje, reducción reducción )

Crea una pérdida de similitud de coseno usando getSimpleName() como nombre de la pérdida

Parámetros
tf las operaciones de TensorFlow
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.
reducción Tipo de Reducción a aplicar sobre la pérdida.

CosineSimilarity pública (Ops tf, nombre de cadena, eje int, reducción de reducción )

Crea una pérdida de similitud de coseno

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.
reducción Tipo de Reducción a aplicar sobre la pérdida.

CosineSimilarity pública (Ops tf, nombre de cadena, eje int[], reducción de reducción )

Crea una pérdida de similitud de coseno

Parámetros
tf las operaciones de TensorFlow
nombre el nombre de la perdida
eje La dimensión a lo largo de la cual se calcula la similitud del coseno.
reducción Tipo de Reducción a aplicar sobre la pérdida.

Métodos públicos

Llamada pública al operando <T> ( el operando <? extiende las etiquetas TNumber >, las predicciones del operando <T>, los pesos de muestra del operando <T>)

Genera un Operando que calcula la pérdida.

Parámetros
etiquetas los valores o etiquetas de verdad
predicciones las predicciones
pesos de muestra SampleWeights opcional actúa como un coeficiente de pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala según el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], entonces la pérdida total de cada muestra del lote se vuelve a escalar mediante el elemento correspondiente en el vector SampleWeights. Si la forma de SampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala según el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1).
Devoluciones
  • la perdida