BinaryCrossentropy ระดับสาธารณะ
ตัวชี้วัดที่คำนวณการสูญเสียข้ามเอนโทรปีแบบไบนารีระหว่างป้ายกำกับที่แท้จริงและป้ายกำกับที่คาดการณ์ไว้
นี่คือคลาสเมทริกข้ามเอนโทรปีที่จะใช้เมื่อมีคลาสเลเบลเพียงสองคลาส (0 และ 1)
ค่าคงที่ที่สืบทอดมา
คอนสตรัคชั่นสาธารณะ
BinaryCrossentropy (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับโฟลตปรับให้เรียบ, เมล็ดยาว, ประเภทคลาส <T>) สร้างตัวชี้วัด BinaryCrossentropy |
วิธีการสาธารณะ
| ตัวดำเนินการ <T> | โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดการณ์) คำนวณการสูญเสียน้ำหนักระหว่าง labels และ predictions |
วิธีการสืบทอด
คอนสตรัคชั่นสาธารณะ
BinaryCrossentropy สาธารณะ (Ops tf, ชื่อสตริง, บูลีนจาก Logits, ป้ายกำกับลอยทำให้เรียบ, เมล็ดยาว, ประเภทคลาส <T>)
สร้างตัวชี้วัด BinaryCrossentropy
พารามิเตอร์
| ไม่ | Ops ของ TensorFlow |
|---|---|
| ชื่อ | ชื่อของตัวชี้วัดนี้ หากเป็นค่าว่าง ชื่อตัวชี้วัดจะเป็น getSimpleName() |
| จากLogits | ว่าจะตีความการคาดการณ์เป็นเทนเซอร์ของค่า logit แทนการแจกแจงความน่าจะเป็นหรือไม่ |
| ฉลากปรับให้เรียบ | ค่าที่ใช้ในการปรับฉลากให้เรียบ เมื่อเป็น 0 จะไม่เกิดการปรับให้เรียบ เมื่อ > 0 ให้คำนวณการสูญเสียระหว่างป้ายกำกับที่คาดการณ์ไว้และเวอร์ชันที่ปรับให้เรียบของป้ายกำกับที่แท้จริง โดยที่การปรับให้เรียบจะบีบฉลากไปที่ 0.5 ค่า label_smoothing ที่มากขึ้นจะสอดคล้องกับการปรับให้เรียบมากขึ้น |
| เมล็ดพันธุ์ | เมล็ดพันธุ์สำหรับการสร้างตัวเลขสุ่ม เครื่องมือเริ่มต้นที่สร้างขึ้นด้วยเมล็ดที่กำหนดจะสร้างเทนเซอร์แบบสุ่มแบบเดียวกันเสมอสำหรับรูปร่างและประเภทข้อมูลที่กำหนด |
| พิมพ์ | ประเภทของตัวแปรและผลลัพธ์ |
วิธีการสาธารณะ
ตัวดำเนินการ สาธารณะ <T> โทร ( ตัวดำเนินการ <? ขยาย TNumber > ป้ายกำกับ, ตัวดำเนินการ <? ขยาย TNumber > การคาดการณ์)
คำนวณการสูญเสียน้ำหนักระหว่าง labels และ predictions
พารามิเตอร์
| ฉลาก | ค่าความจริงหรือป้ายกำกับ |
|---|---|
| การคาดการณ์ | การคาดการณ์ |
การส่งคืน
- การสูญเสีย