lớp công khai KLPhân kỳ
Tính toán tổn thất phân kỳ Kullback-Leibler giữa nhãn và dự đoán.
loss = labels * log(labels / predictions)
Cách sử dụng độc lập:
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} });
KLDivergence kld = new KLDivergence(tf);
Operand<TFloat32> result = kld.call(labels, predictions);
// produces 0.458
Gọi với trọng lượng mẫu:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.8f, 0.2f});
Operand<TFloat32> result = kld.call(labels, predictions, sampleWeight);
// produces 0.366f
Sử dụng loại giảm SUM :
KLDivergence kld = new KLDivergence(tf, Reduction.SUM);
Operand<TFloat32> result = kld.call(labels, predictions);
// produces 0.916f
Sử dụng loại giảm NONE :
KLDivergence kld = new KLDivergence(tf, Reduction.NONE);
Operand<TFloat32> result = kld.call(labels, predictions);
// produces [0.916f, -3.08e-06f]
Xem thêm
Trường kế thừa
Nhà xây dựng công cộng
KLD Phân kỳ (Ops tf) Tạo Tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT | |
KLDPhân kỳ (Ops tf, Giảm mức giảm) Tạo Tổn hao tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất | |
Phương pháp công khai
| <T mở rộng TNumber > Toán hạng <T> |
Phương pháp kế thừa
Nhà xây dựng công cộng
KLD phân kỳ công khai (Ops tf)
Tạo Tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất và Giảm tổn thất là REDUCTION_DEFAULT
Thông số
| tf | hoạt động của TensorFlow |
|---|
KLD phân kỳ công khai (Ops tf, Giảm mức giảm)
Tạo Tổn hao tổn thất phân kỳ Kullback Leibler bằng cách sử dụng getSimpleName() làm tên tổn thất
Thông số
| tf | hoạt động của TensorFlow |
|---|---|
| sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
KLDivergence công khai (Ops tf, Tên chuỗi, Giảm mức giảm)
Tạo ra tổn thất phân kỳ Kullback Leibler
Thông số
| tf | hoạt động của TensorFlow |
|---|---|
| tên | tên của sự mất mát |
| sự giảm bớt | Loại Giảm áp dụng cho tổn thất. |
Phương pháp công khai
lệnh gọi Toán hạng công khai <T> ( Toán hạng <? mở rộng nhãn TNumber >, dự đoán Toán hạng <T>, Toán hạng <T> sampleWeights)
Tạo một toán hạng tính toán tổn thất.
Thông số
| nhãn | các giá trị thật hoặc nhãn |
|---|---|
| dự đoán | những dự đoán |
| mẫuTrọng lượng | Khối lượng mẫu tùy chọn đóng vai trò như một hệ số tổn thất. Nếu một đại lượng vô hướng được cung cấp thì tổn thất chỉ được tính theo giá trị đã cho. Nếu SampleWeights là một tensor có kích thước [batch_size] thì tổng tổn thất cho mỗi mẫu của lô sẽ được điều chỉnh lại tỷ lệ theo phần tử tương ứng trong vectơ SampleWeights. Nếu hình dạng của SampleWeights là [batch_size, d0, .. dN-1] (hoặc có thể được phát tới hình dạng này), thì mỗi phần tử tổn thất của dự đoán sẽ được chia tỷ lệ theo giá trị tương ứng của SampleWeights. (Lưu ý trên dN-1: tất cả các hàm mất mát đều giảm đi 1 chiều, thường là trục=-1.) |
Trả lại
- sự mất mát