Hinge

ציר בכיתה ציבורית

מחשב את אובדן הציר בין תוויות ותחזיות.

loss = maximum(1 - labels * predictions, 0) .

labels צפויים להיות -1 או 1. אם יסופקו תוויות בינאריות (0 או 1), הן יומרו ל-1 או 1.

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} });
    Hinge hingeLoss = new Hinge(tf);
    Operand<TFloat32> result = hingeLoss.call(labels, predictions);
    // produces 1.3f

מתקשר עם משקל מדגם:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
    Operand<TFloat32> result = hingeLoss.call(labels, predictions, sampleWeight);
    // produces 0.55f

שימוש בסוג הפחתת SUM :

    Hinge hingeLoss = new Hinge(tf, Reduction.SUM);
    Operand<TFloat32> result = hingeLoss.call(labels, predictions);
    // produces 2.6f

שימוש בסוג הפחתה NONE :

    Hinge hingeLoss = new Hinge(tf, Reduction.NONE);
    Operand<TFloat32> result = hingeLoss.call(labels, predictions);
    // produces [1.1f, 1.5f]

שדות בירושה

בונים ציבוריים

ציר (Ops tf)
יוצר הפסד ציר באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT
ציר (Ops tf, הפחתת הפחתה )
יוצר אובדן ציר באמצעות getSimpleName() כשם האובדן
ציר (Ops tf, שם מחרוזת, הפחתת הפחתה )
יוצר ציר

שיטות ציבוריות

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

שיטות בירושה

בונים ציבוריים

ציר ציבורי (Ops tf)

יוצר הפסד ציר באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT

פרמטרים
tf ה- TensorFlow Ops

ציר ציבורי (Ops tf, הפחתת הפחתה )

יוצר אובדן ציר באמצעות getSimpleName() כשם האובדן

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

ציר ציבורי (Ops tf, שם מחרוזת, הפחתת צמצום )

יוצר ציר

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

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 התווית אינם בקבוצה [-1., 0., 1.]. במצב Eager Mode, קריאה זו תזרוק IllegalArgumentException , אם ערכי התווית אינם בקבוצה [-1., 0., 1.].

פרמטרים
תוויות ערכי האמת או התוויות חייבים להיות -1, 0 או 1. הערכים צפויים להיות -1 או 1. אם יסופקו תוויות בינאריות (0 או 1), הם יומרו ל-1 או 1.
תחזיות הערכים החיזויים חייבים להיות בטווח [0. עד 1.] כולל.
משקולות לדוגמה SampleWeights אופציונליים פועלים כמקדם לאובדן. אם מסופק סקלר, אז 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.].