이 페이지는 Cloud Translation API를 통해 번역되었습니다.

BinaryCrossentropy

공개 클래스 BinaryCrossentropy

실제 레이블과 예측 레이블 간의 이진 교차 엔트로피 손실을 계산하는 측정항목입니다.

이는 레이블 클래스가 2개(0과 1)만 있을 때 사용되는 교차엔트로피 메트릭 클래스입니다.

상속된 상수

org.tensorflow.framework.metrics.impl.Reduce 클래스에서

끈	세다
끈	총

공공 생성자

BinaryCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, 긴 시드, Class<T> 유형)

BinaryCrossentropy 측정항목을 생성합니다.

공개 방법

피연산자 <T>

호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측)

labels 과 predictions 간의 가중 손실을 계산합니다.

상속된 메서드

org.tensorflow.framework.metrics.impl.MeanMetricWrapper 클래스에서

손실 측정 <T>	손실 획득 () 손실 함수를 가져옵니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights) 손실 함수를 호출하고 손실을 평균 측정항목에 전달하여 여러 반복에 걸쳐 손실의 가중 평균을 계산함으로써 평균 측정항목의 상태를 업데이트하는 작업을 만듭니다.

org.tensorflow.framework.metrics.impl.Reduce 클래스에서

변수 <T>	getCount () 개수 변수를 가져옵니다.
클래스<T>	getResultType () 변수의 유형을 가져옵니다.
변수 <T>	총합계 () 전체 변수를 가져옵니다.
작전	재설정상태 () 모든 상태 변수를 초기 값으로 재설정합니다.
피연산자 <T>	결과 () 측정항목의 현재 결과를 가져옵니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 입력을 기반으로 측정항목 변수를 업데이트합니다.

org.tensorflow.framework.metrics.Metric 클래스에서

최종 피연산자 <T>	callOnce ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 업데이트 상태를 한 번 호출한 후 결과를 얻기 위해 호출합니다.
끈	getName () 이 측정항목의 이름을 가져옵니다.
긴	getSeed () 난수 생성기 시드 값을 가져옵니다.
운영	getTF () TensorFlow 작업을 가져옵니다.
추상 작전	재설정상태 () 모든 상태 변수를 초기 값으로 재설정합니다.
추상 피연산자 <T>	결과 () 측정항목의 현재 결과를 가져옵니다.
최종 작전	updateState ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights) 측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.
최종 작전	updateState ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 측정항목 상태를 업데이트하기 위해 제어 종속성이 있는 NoOp 작업을 생성합니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측, 피연산자 <? 확장 TNumber > SampleWeights) 라벨 및 예측을 기반으로 측정항목 상태를 업데이트하는 작업 목록을 만듭니다.
목록< Op >	updateStateList ( 피연산자 <? 확장 TNumber > 값, 피연산자 <? 확장 TNumber > SampleWeights) 입력 값을 기반으로 지표 상태를 업데이트하는 작업 목록을 만듭니다.

java.lang.Object 클래스에서

부울	같음 (개체 arg0)
마지막 수업<?>	getClass ()
정수	해시 코드 ()
최종 무효	알림 ()
최종 무효	통지모두 ()
끈	toString ()
최종 무효	대기 (long arg0, int arg1)
최종 무효	기다리세요 (긴 arg0)
최종 무효	기다리다 ()

인터페이스 org.tensorflow.framework.metrics.impl.LossMetric 에서

추상 피연산자 <T>

호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측)

labels 과 predictions 간의 가중 손실을 계산합니다.

공공 생성자

공개 BinaryCrossentropy (Ops tf, 문자열 이름, 부울 fromLogits, float labelSmoothing, 긴 시드, Class<T> 유형)

BinaryCrossentropy 측정항목을 생성합니다.

매개변수

tf	TensorFlow 작업
이름	이 측정항목의 이름입니다. null인 경우 측정항목 이름은 `getSimpleName()` 입니다.
fromLogits	예측을 확률 분포가 아닌 로짓 값의 텐서로 해석할지 여부입니다.
labelSmoothing	레이블을 매끄럽게 하는 데 사용되는 값입니다. 0이면 다듬기가 발생하지 않습니다. > 0인 경우 예측된 레이블과 실제 레이블의 평활화 버전 사이의 손실을 계산합니다. 여기서 평활화는 레이블을 0.5 방향으로 압축합니다. label_smoothing 값이 클수록 평활화가 심해집니다.
씨앗	난수 생성을 위한 시드입니다. 주어진 시드로 생성된 초기화는 항상 주어진 형태와 데이터 유형에 대해 동일한 무작위 텐서를 생성합니다.
유형	변수 및 결과의 유형

공개 방법

공개 피연산자 <T> 호출 ( 피연산자 <? 확장 TNumber > 레이블, 피연산자 <? 확장 TNumber > 예측)

labels 과 predictions 간의 가중 손실을 계산합니다.

매개변수

라벨	진리값 또는 라벨
예측	예측

보고

손실