Questa pagina è stata tradotta dall'API Cloud Translation.

BinaryCrossentropy

classe pubblica BinaryCrossentropy

Una metrica che calcola la perdita binaria di entropia incrociata tra le etichette vere e quelle previste.

Questa è la classe della metrica dell'entropia incrociata da utilizzare quando sono presenti solo due classi di etichette (0 e 1).

Corda	CONTARE
Corda	TOTALE

BinaryCrossentropy (Ops tf, nome stringa, booleano fromLogits, etichetta floatSmoothing, seme lungo, tipo Classe<T>)

Crea una metrica di Crossentropia binaria

chiamata ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni)

Calcola la perdita ponderata tra labels e predictions

Perdita metrica <T>	perdersi, smarrirsi () Ottiene la funzione di perdita.
Elenco< Op >	updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea operazioni che aggiornano lo stato della metrica media, chiamando la funzione di perdita e passando la perdita alla metrica media per calcolare la media ponderata della perdita su molte iterazioni.

Variabile <T>	getCount () Ottiene la variabile count
Classe<T>	getResultType () Ottiene il tipo delle variabili
Variabile <T>	ottieni totale () Ottiene la variabile totale
Operazione	resetStati () Reimposta tutte le variabili di stato sui valori iniziali
Operando <T>	risultato () Ottiene il risultato corrente della metrica
Elenco< Op >	updateStateList ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Aggiorna le variabili metriche in base agli input.

Operando finale <T>	callOnce ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Le chiamate aggiornano lo stato una volta, seguite da una chiamata per ottenere il risultato
Corda	getNome () Ottiene il nome di questa metrica.
lungo	getSeme () Ottiene il valore seed del generatore di numeri casuali
Op	ottieni TF () Ottiene le operazioni TensorFlow
astratto op	resetStati () Reimposta tutte le variabili di stato sui valori iniziali
Operando astratto <T>	risultato () Ottiene il risultato corrente della metrica
finale op	updateState ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea un'operazione NoOp con dipendenze di controllo per aggiornare lo stato della metrica
finale op	updateState ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Crea un'operazione NoOp con dipendenze di controllo per aggiornare lo stato della metrica
Elenco< Op >	updateStateList ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni, Operando <? estende TNumber > sampleWeights) Crea un elenco di operazioni per aggiornare lo stato della metrica in base a etichette e previsioni.
Elenco< Op >	updateStateList ( Operando <? estende TNumber > valori, Operando <? estende TNumber > sampleWeights) Crea un elenco di operazioni per aggiornare lo stato della metrica in base ai valori di input.

Dalla classe java.lang.Object

Operando astratto <T>

chiamata ( Operando <? estende TNumber > etichette, Operando <? estende TNumber > previsioni)

Calcola la perdita ponderata tra labels e predictions

Costruttori pubblici

Crea una metrica di Crossentropia binaria

tf	le operazioni TensorFlow
nome	il nome di questa metrica, se null, il nome della metrica è `getSimpleName()` .
da Logits	Se interpretare le previsioni come un tensore di valori logit anziché una distribuzione di probabilità.
etichettaLevigante	valore utilizzato per smussare le etichette. Quando è 0, non si verifica alcun livellamento. Quando > 0, calcolare la perdita tra le etichette previste e una versione livellata delle etichette reali, dove il livellamento comprime le etichette verso 0,5. Valori più grandi di label_smoothing corrispondono a uno smoothing più intenso.
seme	il seme per la generazione di numeri casuali. Un inizializzatore creato con un dato seme produrrà sempre lo stesso tensore casuale per una data forma e tipo di dati.
tipo	il tipo per le variabili e il risultato

Calcola la perdita ponderata tra labels e predictions

etichette	i valori o le etichette di verità
predizioni	le previsioni