BinaryCrossentropy
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Metryka, która oblicza binarną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami.
Jest to klasa metryki crossentropii, która ma być używana, gdy istnieją tylko dwie klasy etykiet (0 i 1).
Konstruktorzy publiczni
| BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, długie ziarno, typ Class<T>) Tworzy metrykę BinaryCrossentropy |
Metody dziedziczone
Z klasy java.lang.Object wartość logiczna | równa się (Obiekt arg0) |
ostatnia klasa<?> | pobierzKlasę () |
wew | hashCode () |
ostateczna pustka | powiadomić () |
ostateczna pustka | powiadom wszystkich () |
Strunowy | doString () |
ostateczna pustka | czekaj (długi arg0, int arg1) |
ostateczna pustka | czekaj (długi arg0) |
ostateczna pustka | Czekać () |
Konstruktorzy publiczni
public BinaryCrossentropy (Ops tf, nazwa ciągu, wartość logiczna fromLogits, etykieta zmiennoprzecinkowaSmoothing, długie ziarno, typ Class<T>)
Tworzy metrykę BinaryCrossentropy
Parametry
tf | operacji TensorFlow |
---|
nazwa | nazwa tej metryki, jeśli ma wartość null, to nazwa metryki to getSimpleName() . |
---|
zLogits | Czy interpretować przewidywania jako tensor wartości logitowych, a nie jako rozkład prawdopodobieństwa. |
---|
etykietaWygładzanie | wartość używana do wygładzania etykiet. Gdy 0, wygładzanie nie występuje. Gdy > 0, oblicz stratę między przewidywanymi etykietami a wygładzoną wersją prawdziwych etykiet, gdzie wygładzanie ściska etykiety w kierunku 0,5. Większe wartości label_smoothing odpowiadają intensywniejszemu wygładzaniu. |
---|
nasionko | materiał siewny do generowania liczb losowych. Inicjator utworzony z danego ziarna zawsze będzie generował ten sam losowy tensor dla danego kształtu i typu danych. |
---|
typ | typ zmiennych i wynik |
---|
Metody publiczne
publiczne wywołanie argumentu <T> ( operand <? rozszerza TNumber > etykiety, argument <? rozszerza TNumber > przewidywania)
Oblicza ważoną stratę między labels
i predictions
Parametry
etykiety | wartości prawdy lub etykiety |
---|
prognozy | przewidywania |
---|
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2023-12-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Brak potrzebnych mi informacji"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Zbyt skomplikowane / zbyt wiele czynności do wykonania"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Nieaktualne treści"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problem z tłumaczeniem"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problem z przykładami/kodem"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Inne"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Łatwo zrozumieć"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Rozwiązało to mój problem"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Inne"
}]
{
"lastModified": "Ostatnia aktualizacja: 2023-12-01 UTC.",
"confidential": False
}