tf.keras.metrics.CategoricalCrossentropy

Вычисляет метрику перекрёстной энтропии между метками и предсказаниями.

Наследуется от: MeanMetricWrapper, Mean, Metric

tf.keras.metrics.CategoricalCrossentropy(
    name='categorical_crossentropy',
    dtype=None,
    from_logits=False,
    label_smoothing=0,
    axis=-1
)

Этот класс метрики перекрёстной энтропии используется для нескольких классов меток (2 или более). Предполагается, что метки закодированы в формате one-hot; например, если значения меток равны [2, 0, 1], то y_true равно [[0, 0, 1], [1, 0, 0], [0, 1, 0]].

Аргументы
`name`	(Необязательно) Строковое имя экземпляра метрики.
`dtype`	(Необязательно) Тип данных результата метрики.
`from_logits`	(Необязательно) Ожидается ли, что выходные данные будут тензором логитов. По умолчанию считается, что выходные данные кодируют распределение вероятностей.
`label_smoothing`	(Необязательно) Число с плавающей точкой в `[0, 1]`. Если значение > 0, значения меток сглаживаются, то есть степень уверенности в значениях меток снижается. Например, `label_smoothing=0.2` означает, что для метки "0" будет использоваться значение 0.1, а для метки "1" — 0.9.
`axis`	(Необязательно) По умолчанию равно `-1`. Размерность, вдоль которой вычисляется энтропия.

Пример:

# EPSILON = 1e-7, y = y_true, y` = y_pred
# y` = clip_ops.clip_by_value(output, EPSILON, 1. - EPSILON)
# y` = [[0.05, 0.95, EPSILON], [0.1, 0.8, 0.1]]
# xent = -sum(y * log(y'), axis = -1)
#      = -((log 0.95), (log 0.1))
#      = [0.051, 2.302]
# Reduced xent = (0.051 + 2.302) / 2
m = keras.metrics.CategoricalCrossentropy()
m.update_state([[0, 1, 0], [0, 0, 1]],
               [[0.05, 0.95, 0], [0.1, 0.8, 0.1]])
m.result()
1.1769392

m.reset_state()
m.update_state([[0, 1, 0], [0, 0, 1]],
               [[0.05, 0.95, 0], [0.1, 0.8, 0.1]],
               sample_weight=np.array([0.3, 0.7]))
m.result()
1.6271976

Использование с API compile():

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[keras.metrics.CategoricalCrossentropy()])

Атрибуты
`dtype`
`variables`

Методы

`add_variable`

Просмотреть исходный код

add_variable(
    shape, initializer, dtype=None, aggregation='sum', name=None
)

`add_weight`

Просмотреть исходный код

add_weight(
    shape=(), initializer=None, dtype=None, name=None
)

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

`get_config`

Просмотреть исходный код

get_config()

Возвращает сериализуемую конфигурацию метрики.

`reset_state`

Просмотреть исходный код

reset_state()

Сбрасывает все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика вычисляется во время обучения.

`result`

Просмотреть исходный код

result()

Вычисляет текущее значение метрики.

Возвращает
Скалярный тензор или словарь скалярных тензоров.

`stateless_reset_state`

Просмотреть исходный код

stateless_reset_state()

`stateless_result`

Просмотреть исходный код

stateless_result(
    metric_variables
)

`stateless_update_state`

Просмотреть исходный код

stateless_update_state(
    metric_variables, *args, **kwargs
)

`update_state`

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику для метрики.

`call`

Просмотреть исходный код

__call__(
    *args, **kwargs
)

Вызывает self как функцию.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/CategoricalCrossentropy