classe publique BinaryCrossentropy
Une métrique qui calcule la perte d'entropie croisée binaire entre les étiquettes réelles et les étiquettes prédites.
Il s'agit de la classe métrique d'entropie croisée à utiliser lorsqu'il n'y a que deux classes d'étiquettes (0 et 1).
Constantes héritées
Constructeurs Publics
BinaryCrossentropy (Ops tf, nom de chaîne, booléen fromLogits, float labelSmoothing, graine longue, type Class<T>) Crée une métrique BinaryCrossentropy |
Méthodes publiques
| Opérande <T> |
Méthodes héritées
Constructeurs Publics
public BinaryCrossentropy (Ops tf, nom de chaîne, booléen fromLogits, float labelSmoothing, graine longue, type Class<T>)
Crée une métrique BinaryCrossentropy
Paramètres
| tf | les opérations TensorFlow |
|---|---|
| nom | le nom de cette métrique, si null alors le nom de la métrique est getSimpleName() . |
| deLogits | S'il faut interpréter les prédictions comme un tenseur de valeurs logit plutôt que comme une distribution de probabilité. |
| labelLissage | valeur utilisée pour lisser les étiquettes. Lorsque 0, aucun lissage ne se produit. Lorsque > 0, calculez la perte entre les étiquettes prédites et une version lissée des véritables étiquettes, où le lissage réduit les étiquettes vers 0,5. Des valeurs plus grandes de label_smoothing correspondent à un lissage plus important. |
| graine | la graine pour la génération de nombres aléatoires. Un initialiseur créé avec une graine donnée produira toujours le même tenseur aléatoire pour une forme et un type de données donnés. |
| taper | le type des variables et du résultat |
Méthodes publiques
appel à l'opérande public <T> ( opérande <? étend TNumber > étiquettes, opérande <? étend TNumber > prédictions)
Calcule la perte pondérée entre labels et predictions
Paramètres
| Étiquettes | les valeurs ou étiquettes de vérité |
|---|---|
| prédictions | les prédictions |
Retour
- la perte