공개 클래스 SquaredHinge
라벨과 예측 간의 제곱 힌지 손실을 계산합니다.
loss = square(maximum(1 - labels * predictions, 0))
labels 값은 -1 또는 1이어야 합니다. 이진(0 또는 1) 레이블이 제공되면 -1 또는 1로 변환됩니다.
독립형 사용법:
Operand<TFloat32> labels =
tf.constant(new float[][] { {0., 1.}, {0., 0.} });
Operand<TFloat32> predictions =
tf.constant(new float[][] { {0.6f, 0.4f}, {0.4f, 0.6f} });
SquaredHinge squaredHinge = new SquaredHinge(tf);
Operand<TFloat32> result = squaredHinge.call(labels, predictions);
// produces 1.86f
샘플 중량으로 호출:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {1.f, 0.f});
Operand<TFloat32> result = squaredHinge.call(labels, predictions,
sampleWeight);
// produces 0.73f
SUM 감소 유형 사용:
SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.SUM);
Operand<TFloat32> result = squaredHinge.call(labels, predictions);
// produces 3.72f
NONE 감소 유형 사용:
SquaredHinge squaredHinge = new SquaredHinge(tf, Reduction.NONE);
Operand<TFloat32> result = squaredHinge.call(labels, predictions);
// produces [1.46f, 2.26f]
상속된 필드
공공 생성자
SquaredHinge (Ops tf) 손실 이름으로 getSimpleName() 사용하고 REDUCTION_DEFAULT 의 손실 감소를 사용하여 제곱 경첩 손실을 생성합니다. | |
공개 방법
| <T는 T번호를 확장합니다. > 피연산자 <T> |
상속된 메서드
공공 생성자
공개 SquaredHinge (Ops tf)
손실 이름으로 getSimpleName() 사용하고 REDUCTION_DEFAULT 의 손실 감소를 사용하여 제곱 경첩 손실을 생성합니다.
매개변수
| tf | TensorFlow 작업 |
|---|
public SquaredHinge (Ops tf, 감소 감소)
getSimpleName() 손실 이름으로 사용하여 Squared Hinge Loss를 생성합니다.
매개변수
| tf | TensorFlow 작업 |
|---|---|
| 절감 | 손실에 적용할 감소 유형입니다. |
public SquaredHinge (Ops tf, 문자열 이름, 감소 감소)
정사각형 경첩을 생성합니다.
매개변수
| tf | TensorFlow 작업 |
|---|---|
| 이름 | 손실의 이름 |
| 절감 | 손실에 적용할 감소 유형입니다. |
공개 방법
공개 피연산자 <T> 호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <T> 예측, 피연산자 <T> SampleWeights)
손실을 계산하는 피연산자를 생성합니다.
그래프 모드에서 실행하는 경우 레이블 값이 [-1., 0., 1.] 집합에 없으면 계산에서 TFInvalidArgumentException 발생합니다. Eager 모드에서 이 호출은 레이블 값이 [-1., 0., 1.] 세트에 없는 경우 IllegalArgumentException 발생시킵니다.
매개변수
| 라벨 | 진실 값 또는 레이블은 -1, 0 또는 1이어야 합니다. 값은 -1 또는 1이어야 합니다. 이진(0 또는 1) 레이블이 제공되면 -1 또는 1로 변환됩니다. |
|---|---|
| 예측 | 예측에서 값은 [0. 1.]에 포함됩니다. |
| 샘플 가중치 | 선택적 SampleWeights는 손실에 대한 계수 역할을 합니다. 스칼라가 제공되면 손실은 단순히 주어진 값에 따라 조정됩니다. SampleWeights가 [batch_size] 크기의 텐서인 경우 배치의 각 샘플에 대한 총 손실은 SampleWeights 벡터의 해당 요소에 따라 크기가 조정됩니다. SampleWeights의 형태가 [batch_size, d0, .. dN-1]인 경우(또는 이 형태로 브로드캐스트될 수 있음) 예측의 각 손실 요소는 SampleWeights의 해당 값에 따라 조정됩니다. (dN-1에 대한 참고: 모든 손실 함수는 1차원으로 감소하며 일반적으로 축=-1입니다.) |
보고
- 손실
던지기
| IllegalArgumentException | 예측이 [0.-1.] 범위를 벗어나는 경우. |
|---|