utec::neural_network::CrossEntropyLoss< T > Class Template Reference

Función de pérdida Cross Entropy para clasificación multiclase. Requiere que las etiquetas verdaderas estén codificadas one-hot. More...

#include <loss.h>

Inheritance diagram for utec::neural_network::CrossEntropyLoss< T >:

Collaboration diagram for utec::neural_network::CrossEntropyLoss< T >:

Public Member Functions
template<typename Prediction, typename Expected>
	CrossEntropyLoss (Prediction &&y_prediction, Expected &&y_true, const T epsilon=1e-7)
	Constructor que recibe tensores de predicciones y etiquetas reales.
auto	loss () const -> T override
	Valor de la pérdida Cross Entropy. Aplica logaritmo y protección contra valores extremos.
auto	loss_gradient () const -> algebra::Tensor< T, 2 > override
	Gradiente de la pérdida Cross Entropy. Simplemente calcula la diferencia entre predicción y etiqueta.
Public Member Functions inherited from utec::neural_network::ILoss< T, 2 >
virtual	~ILoss ()=default
	Destructor virtual.

Detailed Description

template<typename T>
class utec::neural_network::CrossEntropyLoss< T >

Función de pérdida Cross Entropy para clasificación multiclase. Requiere que las etiquetas verdaderas estén codificadas one-hot.

Template Parameters

T	Tipo de dato (float, double, etc.).

Constructor & Destructor Documentation

CrossEntropyLoss()

template<typename T>

template<typename Prediction, typename Expected>

utec::neural_network::CrossEntropyLoss< T >::CrossEntropyLoss ( Prediction && y_prediction, Expected && y_true, const T epsilon = 1e-7 )

inline

Constructor que recibe tensores de predicciones y etiquetas reales.

Parameters

y_prediction	Tensores con probabilidades predichas.
y_true	Tensores one-hot con etiquetas verdaderas.

Exceptions

std::invalid_argument

si las dimensiones no coinciden. @complexity O(1).

Member Function Documentation

loss()

template<typename T>

auto utec::neural_network::CrossEntropyLoss< T >::loss ( ) const -> T

inlineoverridevirtual

Valor de la pérdida Cross Entropy. Aplica logaritmo y protección contra valores extremos.

Returns

Promedio negativo del logaritmo de las probabilidades verdaderas. @complexity O(n*m), donde n es el número de muestras y m el número de clases.

Implements utec::neural_network::ILoss< T, 2 >.

loss_gradient()

template<typename T>

auto utec::neural_network::CrossEntropyLoss< T >::loss_gradient ( ) const -> algebra::Tensor<T, 2>

inlineoverridevirtual

Gradiente de la pérdida Cross Entropy. Simplemente calcula la diferencia entre predicción y etiqueta.

Returns

Tensor del mismo shape que la entrada. @complexity O(n*m).

Implements utec::neural_network::ILoss< T, 2 >.

Here is the call graph for this function:

---

The documentation for this class was generated from the following file:

• include/utec/nn/loss.h