SparseSoftmaxCrossEntropyWithLogits

คลาสสาธารณะ SparseSoftmaxCrossEntropyWithLogits

คอนสตรัคชั่นสาธารณะ

วิธีการสาธารณะ

คงที่ <T ขยาย TNumber , U ขยาย TNumber > ตัวถูกดำเนินการ
sparseSoftmaxCrossEntropyWithLogits (ขอบเขต ขอบเขต , ป้ายกำกับ Operand <T>, การบันทึก Operand <U>)
คำนวณเอนโทรปีข้าม softmax แบบเบาบางระหว่าง logits และ labels

วิธีการสืบทอด

บูลีน
เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>
รับคลาส ()
ภายใน
แฮชโค้ด ()
โมฆะสุดท้าย
แจ้ง ()
โมฆะสุดท้าย
แจ้งทั้งหมด ()
สตริง
toString ()
โมฆะสุดท้าย
รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย
รอ (ยาว arg0)
โมฆะสุดท้าย
รอ ()

คอนสตรัคชั่นสาธารณะ

SparseSoftmaxCrossEntropyWithLogits สาธารณะ ()

วิธีการสาธารณะ

ตัวดำเนินการ คงที่สาธารณะ sparseSoftmaxCrossEntropyWithLogits (ขอบเขต ขอบเขต ป้าย กำกับ ตัวดำเนินการ <T> ตัว ดำเนินการบันทึก <U>)

คำนวณเอนโทรปีข้าม softmax แบบเบาบางระหว่าง logits และ labels

วัดข้อผิดพลาดของความน่าจะเป็นในงานการจำแนกประเภทแบบแยกซึ่งคลาสไม่เกิดร่วมกัน (แต่ละรายการอยู่ในคลาสเดียวเท่านั้น) ตัวอย่างเช่น รูปภาพ CIFAR-10 แต่ละรูปจะมีป้ายกำกับเพียงป้ายกำกับเดียวเท่านั้น รูปภาพอาจเป็นสุนัขหรือรถบรรทุกก็ได้ แต่ไม่ใช่ทั้งสองอย่าง

บันทึก:

สำหรับการดำเนินการนี้ ความน่าจะเป็นของป้ายกำกับที่กำหนดจะถือเป็นเอกสิทธิ์ นั่นคือ ไม่อนุญาตให้ใช้คลาสแบบซอฟต์ และเวกเตอร์ labels กำกับต้องจัดให้มีดัชนีเฉพาะตัวเดียวสำหรับคลาสจริงสำหรับ logits แต่ละแถว (แต่ละรายการมินิแบทช์) สำหรับการจำแนกประเภท softmax ที่มีการกระจายความน่าจะเป็นสำหรับแต่ละรายการ ERROR(/org.tensorflow.op.NnOps#softmaxCrossEntropyWithLogits)

คำเตือน:

การดำเนินการนี้คาดว่าจะมีการบันทึกแบบไม่ปรับขนาด เนื่องจากจะดำเนินการ softmax ใน logits ภายในเพื่อประสิทธิภาพ อย่าเรียก op นี้ด้วยเอาต์พุตของ softmax เนื่องจากจะทำให้ได้ผลลัพธ์ที่ไม่ถูกต้อง

กรณีการใช้งานทั่วไปคือการมีบันทึกของรูปร่าง [batchSize, numClasses] และมีป้ายกำกับของรูปร่าง [batchSize] แต่รองรับมิติที่สูงกว่า ซึ่งในกรณีนี้มิติ dim -th จะถือว่ามีขนาด numClasses logits ต้องมี ประเภทข้อมูล ของ TFloat16 , TFloat32 หรือ TFloat64 และ labels ต้องมี dtype เป็น TInt32 หรือ TInt64

พารามิเตอร์
ขอบเขต ขอบเขตปัจจุบัน
ฉลาก Tensor ของรูปร่าง [d_0, d_1, ..., d_{r-1}] (โดยที่ r คืออันดับของ labels และผลลัพธ์) และ dataType คือ TInt32 หรือ TInt64 แต่ละรายการใน labels จะต้องเป็นดัชนีใน [0, numClasses) ค่าอื่นๆ จะเพิ่มข้อยกเว้นเมื่อ op นี้ทำงานบน CPU และส่งคืน NaN สำหรับแถวการสูญเสียและการไล่ระดับสีที่สอดคล้องกันบน GPU
บันทึก การเปิดใช้งานตามป้ายกำกับ (โดยทั่วไปจะเป็นเอาต์พุตเชิงเส้น) ของรูปร่าง [d_0, d_1, ..., d_{r-1}, numClasses] และ dataType ของ TFloat16 , TFloat32 หรือ TFloat64 พลังงานกระตุ้นเหล่านี้ถูกตีความว่าเป็นความน่าจะเป็นของบันทึกที่ไม่ปกติ
การส่งคืน
  • Tensor ที่มีรูปร่างเดียวกันกับ labels และเป็นประเภทเดียวกันกับ logits ที่มีการสูญเสียเอนโทรปีข้ามซอฟต์แม็กซ์
ขว้าง
ข้อยกเว้นอาร์กิวเมนต์ที่ผิดกฎหมาย หากบันทึกเป็นสเกลาร์ (ต้องมีอันดับ >= 1) หรือหากอันดับของป้ายกำกับไม่เท่ากับอันดับของบันทึกลบหนึ่ง