1、tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None) _sentinel...:本质上是不用的参数，不用填 labels:一个和logits具有相同的数据类型（type）和尺寸形状（shape）的张量（tensor） shape:[batch_size,num_classes],...(_sentinel=None, labels=None, logits=None, dim=-1, name=None) _sentinel:本质上是不用的参数，不用填 labels:每一行labels...[i]必须是一个有效的概率分布，one_hot=True(向量中只有一个值为1，其他值为0) logits：labels和logits具有相同的数据类型（type）和尺寸（shape） shape:[batch_size...=None) 计算具有权重的sigmoid交叉熵sigmoid_cross_entropy_with_logits（） _sentinel:本质上是不用的参数，不用填 labels:一个和logits具有相同的数据类型
如果权值是一个大小张量[batch_size]，则通过权值向量中对应的元素重新计算批次中每个样本的总损失。如果权重的形状与预测的形状相匹配，那么预测的每个可度量元素的损失将按相应的权重值进行缩放。...参数：labels:地面真相输出张量，与“预测”维度相同。predictions:预测输出。...weights:可选张量，其秩要么为0，要么与标签的秩相同，并且必须对标签(即，所有尺寸必须为1，或与对应的损耗尺寸相同)。delta:浮点数，huber损失函数从二次函数变为线性函数的点。...如果还原为零，则其形状与标签相同;否则，它就是标量。...可能产生的异常：ValueError: If the shape of predictions doesn't match that of labels or if the shape of weights
tf.nn.sparse_softmax_cross_entropy_with_logits( _sentinel=None, labels=None, logits=None,...logits必须具有float16、float32或float64的dtype，标签必须具有int32或int64的dtype。注意，为了避免混淆，只需要将命名参数传递给这个函数。...labels:形状张量[d_0, d_1，…]， d_{r-1}](其中r为标签和结果的秩)和dtype int32或int64。标签中的每个条目必须是[0,num_classes]中的索引。...这些活化能被解释为非标准化的对数概率。name:操作的名称(可选)。返回值：一个与标签形状相同，与logits类型相同的张量，具有softmax交叉熵。...可能产生的异常：ValueError: If logits are scalars (need to have rank >= 1) or if the rank of the labels is not
参数：作用域:筛选要返回的变量的可选作用域。后缀:用于过滤要返回的变量的可选后缀。返回值：集合中具有范围和后缀的变量列表。...对于二维logits，这可以归结为tf.n .softmax。第n个维度需要具有指定数量的元素(类的数量)。参数：logits: N维张量，其中N > 1。...scope:variable_scope的可选作用域。返回值：一个形状和类型与logits相同的“张量”。...scope:name_scope的可选作用域返回值：一个具有形状[batch_size, k]的平坦张量。...注意，目前这两个步骤必须具有相同的值padding:填充方法，要么“有效”，要么“相同”data_format:一个字符串。
返回的 logits 不一定与作为输入传递的pixel_values具有相同的大小。这是为了避免进行两次插值并在用户需要将 logits 调整为原始图像大小时丢失一些质量。...返回的 logits 不一定与作为输入传递的pixel_values具有相同的大小。这是为了避免进行两次插值并在用户需要将 logits 调整为原始图像大小时丢失一些质量。...logits（形状为(batch_size, config.num_labels)的tf.Tensor）— 分类（如果config.num_labels==1则为回归）得分（SoftMax 之前）。...返回的 logits 不一定与作为输入传递的pixel_values具有相同的大小。这是为了避免进行两次插值并在用户需要将 logits 调整为原始图像大小时丢失一些质量。...返回的 logits 不一定与作为输入传递的`pixel_values`具有相同的大小。
logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）—分类（如果 config.num_labels==1 则为回归）得分（SoftMax...DeBERTa 模型在顶部具有用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出的线性层上计算跨度起始 logits和跨度结束 logits）。...参数 input_ids（np.ndarray，tf.Tensor，List[tf.Tensor]，``Dict[str, tf.Tensor]或Dict[str, np.ndarray]，每个示例必须具有形状...logits（形状为(batch_size, config.num_labels)的tf.Tensor）— 分类（如果config.num_labels==1则为回归）得分（SoftMax 之前）。...参数 input_ids（np.ndarray、tf.Tensor、List[tf.Tensor]、Dict[str, tf.Tensor] 或 Dict[str, np.ndarray]，每个示例必须具有形状
loss (torch.FloatTensor，形状为(1,)，可选，当提供labels时返回)） — 总损失，作为类别预测的负对数似然（交叉熵）和边界框损失的线性组合。...必须向模型提供输入（可以是文本、图像、音频等），模型将使用这些输入与潜在变量进行交叉注意力。Perceiver 编码器的输出是相同形状的张量。...感知器编码器的多模态预处理。 对每个模态进行预处理，然后使用可训练的位置嵌入进行填充，以具有相同数量的通道。...logits（形状为(batch_size, num_labels)的torch.FloatTensor）- 分类（如果 config.num_labels==1 则为回归）得分（SoftMax 之前）...logits（形状为(batch_size, config.num_labels)的torch.FloatTensor） — 分类（如果config.num_labels==1则为回归）分数（SoftMax
为了确保内核成功编译，用户必须安装正确版本的 PyTorch 和 cudatoolkit。...logits（形状为(batch_size, config.num_labels)的torch.FloatTensor） — 分类（如果 config.num_labels==1 则为回归）得分（SoftMax...YOSO 模型在顶部具有用于提取问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出顶部的线性层上计算span start logits和span end logits）。...由于 BEiT 模型期望每个图像具有相同的大小（分辨率），可以使用 BeitImageProcessor 来调整（或重新缩放）和规范化图像以供模型使用。...返回的 logits 不一定与作为输入传递的pixel_values具有相同的大小。这是为了避免进行两次插值并在用户需要将 logits 调整为原始图像大小时丢失一些质量。
logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）- 分类（如果 config.num_labels==1 则为回归）得分（SoftMax...loss（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回）- 总跨度提取损失是起始和结束位置的交叉熵之和。...logits (形状为(batch_size, config.num_labels)的 tf.Tensor) — 分类（如果 config.num_labels==1 则为回归）分数（SoftMax 之前...XLNet 模型在顶部具有一个用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出的顶部有线性层，用于计算 span start logits 和 span end logits）。...XLNet 模型在顶部具有用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出的线性层上计算span start logits和span end logits）。
logits (torch.FloatTensor，形状为 (batch_size, config.num_labels)) — 分类（如果 config.num_labels==1 则为回归）分数（SoftMax...logits（形状为(batch_size, config.num_labels)的tf.Tensor） — 分类（如果 config.num_labels==1 则为回归）得分（SoftMax 之前）...提高了+2.3%（88.4% vs. 90.7%），RACE 提高了+3.6%（83.2% vs. 86.8%）。...DeBERTa 模型在顶部具有用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出的线性层上计算span start logits和span end logits）。...loss（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回）- 总跨度提取损失是起始位置和结束位置的交叉熵之和。
RealmTokenizerFast 与 BertTokenizerFast 相同，并且运行端到端的标记化：标点符号拆分和 wordpiece。...和边际对数损失，则必须指定证据块的掩码。...RemBERT 模型在顶部具有一个用于提取问答任务的跨度分类头（在隐藏状态输出的线性层上计算span start logits和span end logits）。...loss（形状为 (1,) 的 torch.FloatTensor，可选，在提供 labels 时返回）— 总跨度提取损失是起始和结束位置的交叉熵之和。...logits（形状为(batch_size, config.num_labels)的tf.Tensor）— 分类（如果 config.num_labels==1 则为回归）得分（SoftMax 之前）。
logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）— 分类（如果config.num_labels==1则为回归）得分（SoftMax...residx_atom14_to_atom37 (torch.FloatTensor) — 在 atom14 和 atom37 表示之间的原子映射。...residx_atom37_to_atom14 (torch.FloatTensor) — 在 atom37 和 atom14 表示之间的原子映射。...logits (tf.Tensor的形状为(batch_size, config.num_labels)) — 分类（如果 config.num_labels==1 则为回归）分数（SoftMax 之前...rope_scaling (Dict, optional) — 包含 RoPE 嵌入的缩放配置的字典。目前支持两种缩放策略：线性和动态。它们的缩放因子必须是大于 1 的浮点数。
我们的输出张力conv2d()具有与输入相同的宽度和高度尺寸的形状 ，但现在有32个通道保持每个滤镜的输出。...我们的max_pooling2d()（pool1）产生的输出张量具有以下形状 ：2x2过滤器将宽度和高度降低了50％。...[batch_size, 14, 14, 1] 卷积层＃2和Pooling Layer＃2 我们可以使用conv2d()和max_pooling2d()之前一样将第二个卷积和汇集层连接到我们的CNN...conv2 具有与（由于）相同的宽度和高度的形状，并且应用64个滤波器的64个通道。...[batch_size, 14, 14, 64] pool1 padding="same" 汇集层＃2 conv2作为输出，产生pool2输出。pool2 具有形状（宽度和高度减少50％）。
logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）— 分类（或回归，如果config.num_labels==1）得分（SoftMax...返回的 logits 不一定与传入的pixel_values具有相同的大小。这是为了避免进行两次插值并在用户需要将 logits 调整为原始图像大小时丢失一些质量。...logits（形状为(batch_size, config.num_labels)的tf.Tensor）— 分类（如果config.num_labels==1则为回归）得分（SoftMax 之前）。...即使他们的小型变体在 iPhone 14 上仅具有 0.8 毫秒的延迟，也实现了 78.5%的 ImageNet1K 准确率，比 MobileViT-v2 更准确且快 2 倍。...我们的小型变体在 iPhone 14 上仅具有 0.8 毫秒的延迟，ImageNet-1K 准确率达到 78.5%，比 MobileViT-v2 更准确且快 2 倍。 该模型由shehan97贡献。
函数返回值 tf.segment_sum函数返回的是一个Tensor，它与data有相同的类型， 与data具有相同的形状, 但大小为 k（段的数目）的维度0除外。...函数返回值 tf.segment_sum函数返回的是一个Tensor，它与data有相同的类型， 与data具有相同的形状, 但大小为 k（段的数目）的维度0除外。...[i, j] = logits[i, j] - log(sum(exp(logits[i]))) tf.nn.softmax_cross_entropy_with_logits(logits, labels..., name=None) 计算logits和labels的softmax交叉熵logits, labels必须为相同的shape与数据类型 tf.nn.sparse_softmax_cross_entropy_with_logits...(logits, labels, name=None) 计算logits和labels的softmax交叉熵 tf.nn.weighted_cross_entropy_with_logits(logits
否则，您必须指定与 titles 或 texts 中的问题数量相同的问题。 titles (str 或 List[str]) — 要编码的段落标题。...否则，您必须指定与 titles 或 texts 中相同数量的问题。 titles (str 或 List[str]) — 要编码的段落标题。如果有多个段落，则可以是字符串或字符串列表。...它必须是一个序列三元组，包括 1）问题、2）段落标题和 3）段落文本。...它必须是一个序列三元组，包括 1）问题、2）段落标题和 3）段落文本。...logits (tf.Tensor 的形状为 (batch_size, config.num_labels)) — 分类（如果 config.num_labels==1 则为回归）得分（SoftMax
loss（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回）- 分类（或如果config.num_labels==1则为回归）损失。...logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）- 分类（或如果config.num_labels==1则为回归）得分（SoftMax...Flaubert 模型在顶部具有一个用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出的顶部有一个线性层，用于计算 span start logits 和 span end logits）...loss (torch.FloatTensor，形状为(1,)，可选，当提供labels时返回) — 总跨度提取损失是起始位置和结束位置的交叉熵之和。...logits (tf.Tensor，形状为(batch_size, config.num_labels)) — 分类（如果config.num_labels==1则为回归）得分（SoftMax 之前）。
我们进一步提出了 Mega 的一个变体，提供线性时间和空间复杂度，但仅产生最小的质量损失，通过将整个序列有效地分割成多个具有固定长度的块。...损失（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回） - 分类（如果 config.num_labels==1 则为回归）损失。...logits（形状为(batch_size, config.num_labels)的torch.FloatTensor） - 分类（如果 config.num_labels==1 则为回归）得分（SoftMax...MEGA 模型在顶部具有一个跨度分类头，用于类似 SQuAD 的抽取式问答任务（在隐藏状态输出的顶部有线性层，用于计算 span start logits 和 span end logits）。...loss（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回）- 语言建模损失（用于下一个标记预测）。
logits（形状为(batch_size, config.num_labels)的torch.FloatTensor）- 分类（如果 config.num_labels==1 则为回归）得分（SoftMax...loss（形状为(1,)的torch.FloatTensor，可选，当提供labels时返回）- 总跨度提取损失是起始和结束位置的交叉熵之和。...RoFormerTokenizerFast 几乎与 BertTokenizerFast 相同，并且可以进行端到端的分词：标点符号拆分和词片。在分词中文时它们之间存在一些差异。...logits (torch.FloatTensor，形状为 (batch_size, config.num_labels)) — 分类（或回归，如果 config.num_labels==1）分数（SoftMax...loss（torch.FloatTensor，形状为(1,)，可选，当提供labels时返回）— 总跨度提取损失是开始和结束位置的交叉熵之和。
logits (torch.FloatTensor，形状为(batch_size, config.num_labels)) — 分类（或回归，如果 config.num_labels==1）得分（SoftMax...MPNet 模型，在顶部具有用于提取式问答任务（如 SQuAD）的跨度分类头（在隐藏状态输出顶部的线性层，用于计算跨度起始 logits和跨度结束 logits）。...loss (torch.FloatTensor，形状为 (1,)，可选，当提供 labels 时返回) — 总跨度提取损失是起始和结束位置的交叉熵之和。...MPNet 模型在顶部具有跨度分类头，用于提取式问答任务，如 SQuAD（在隐藏状态输出的顶部进行线性层计算span start logits和span end logits）。...logits (torch.FloatTensor，形状为(batch_size, config.num_labels)) — 分类（如果config.num_labels==1则为回归）得分（SoftMax
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
