CosineSimilarity

classe publique CosineSimilarité

Calcule la similarité cosinusoïdale entre les étiquettes et les prédictions.

Notez qu'il s'agit d'un nombre compris entre -1 et 1 . Lorsqu'il s'agit d'un nombre négatif compris entre -1 et 0 , 0 indique une orthogonalité et des valeurs plus proches de -1 indiquent une plus grande similarité. Les valeurs plus proches de 1 indiquent une plus grande dissemblance. Cela le rend utilisable comme fonction de perte dans un contexte où vous essayez de maximiser la proximité entre les prédictions et les cibles. Si labels ou predictions sont un vecteur nul, la similarité cosinus sera de 0 quelle que soit la proximité entre les prédictions et les cibles.

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

Utilisation autonome :

    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

Appel avec le poids de l'échantillon :

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

Utilisation du type de réduction SUM :

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

Utilisation du type de réduction NONE :

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

Constantes

int DEFAULT_AXIS

Champs

public statique final Réduction DEFAULT_REDUCTION

Champs hérités

Constructeurs Publics

CosinusSimilarité (Ops tf)
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte, un axe de DEFAULT_AXIS et une réduction de perte de DEFAULT_REDUCTION
CosineSimilarity (Ops tf, nom de chaîne)
Crée une perte de similarité cosinus en utilisant un axe de DEFAULT_AXIS et une réduction de perte de DEFAULT_REDUCTION
CosinusSimilarité (Ops tf, axe int)
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et une réduction de perte de DEFAULT_REDUCTION
CosineSimilarité (Ops tf, axe int[])
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et une réduction de perte de DEFAULT_REDUCTION
CosineSimilarity (Ops tf, nom de chaîne, axe int)
Crée une perte de similarité cosinus en utilisant une réduction de perte de DEFAULT_REDUCTION
CosineSimilarity (Ops tf, nom de chaîne, axe int[])
Crée une perte de similarité cosinus en utilisant une réduction de perte de DEFAULT_REDUCTION
CosinusSimilarité (Ops tf, Réduction réduction)
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et un axe de DEFAULT_AXIS
CosineSimilarity (Ops tf, nom de chaîne, réduction de réduction )
Crée une perte de similarité cosinus en utilisant un axe de DEFAULT_AXIS
CosinusSimilarité (Ops tf, axe int, réduction )
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte
CosineSimilarité (Ops tf, axe int[], réduction )
Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte
CosineSimilarity (Ops tf, nom de chaîne, axe int, réduction de réduction )
Crée une perte de similarité cosinus
CosineSimilarity (Ops tf, nom de chaîne, axe int[], réduction )
Crée une perte de similarité cosinus

Méthodes publiques

<T étend TNumber > Opérande <T>
appel ( Opérande <? étend TNumber > étiquettes, Opérande <T> prédictions, Opérande <T> sampleWeights)
Génère un opérande qui calcule la perte.

Méthodes héritées

Constantes

public statique final int DEFAULT_AXIS

Valeur constante : -1

Champs

Réduction finale statique publique DEFAULT_REDUCTION

Constructeurs Publics

similarité Cosinus publique (Ops tf)

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte, un axe de DEFAULT_AXIS et une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow

public CosineSimilarity (Ops tf, nom de chaîne)

Crée une perte de similarité cosinus en utilisant un axe de DEFAULT_AXIS et une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow
nom le nom de la perte

public CosineSimilarity (Ops tf, axe int)

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow
axe Dimension selon laquelle la similarité cosinus est calculée.

public CosineSimilarity (Ops tf, axe int[])

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow
axe Dimension selon laquelle la similarité cosinus est calculée.

public CosineSimilarity (Ops tf, nom de chaîne, axe int)

Crée une perte de similarité cosinus en utilisant une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
axe Dimension selon laquelle la similarité cosinus est calculée.

public CosineSimilarity (Ops tf, nom de chaîne, axe int[])

Crée une perte de similarité cosinus en utilisant une réduction de perte de DEFAULT_REDUCTION

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
axe Dimension selon laquelle la similarité cosinus est calculée.

public CosineSimilarity (Ops tf, Réduction réduction)

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte et un axe de DEFAULT_AXIS

Paramètres
tf les opérations TensorFlow
réduction Type de réduction à appliquer sur le sinistre.

public CosineSimilarity (Ops tf, nom de chaîne, réduction de réduction )

Crée une perte de similarité cosinus en utilisant un axe de DEFAULT_AXIS

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
réduction Type de réduction à appliquer sur le sinistre.

public CosineSimilarity (Ops tf, axe int, réduction )

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte

Paramètres
tf les opérations TensorFlow
axe Dimension selon laquelle la similarité cosinus est calculée.
réduction Type de réduction à appliquer sur le sinistre.

public CosineSimilarity (Ops tf, axe int[], réduction )

Crée une perte de similarité cosinus en utilisant getSimpleName() comme nom de perte

Paramètres
tf les opérations TensorFlow
axe Dimension selon laquelle la similarité cosinus est calculée.
réduction Type de réduction à appliquer sur le sinistre.

public CosineSimilarity (Ops tf, nom de chaîne, axe int, réduction de réduction )

Crée une perte de similarité cosinus

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
axe Dimension selon laquelle la similarité cosinus est calculée.
réduction Type de réduction à appliquer sur le sinistre.

public CosineSimilarity (Ops tf, nom de chaîne, axe int[], réduction de réduction )

Crée une perte de similarité cosinus

Paramètres
tf les opérations TensorFlow
nom le nom de la perte
axe Dimension selon laquelle la similarité cosinus est calculée.
réduction Type de réduction à appliquer sur le sinistre.

Méthodes publiques

Appel de l'opérande public <T> ( opérande <? extends TNumber > labels, prédictions de l'opérande <T>, Operand <T> sampleWeights)

Génère un opérande qui calcule la perte.

Paramètres
étiquettes les valeurs ou étiquettes de vérité
prédictions les prédictions
exemples de poids sampleWeights facultatif agit comme un coefficient pour la perte. Si un scalaire est fourni, alors la perte est simplement adaptée à la valeur donnée. Si SampleWeights est un tenseur de taille [batch_size], alors la perte totale pour chaque échantillon du lot est redimensionnée par l'élément correspondant dans le vecteur SampleWeights. Si la forme de SampleWeights est [batch_size, d0, .. dN-1] (ou peut être diffusée vers cette forme), alors chaque élément de perte de prédictions est mis à l'échelle par la valeur correspondante de SampleWeights. (Remarque sur dN-1 : toutes les fonctions de perte sont réduites d'une dimension, généralement axis=-1.)
Retours
  • la perte