TensorFlow函数:tf.losses.softmax_cross_entropy

由 Carrie 创建, 最后一次修改 2018-09-11

tf.losses.softmax_cross_entropy函数

tf.losses.softmax_cross_entropy(
    onehot_labels,
    logits,
    weights=1.0,
    label_smoothing=0,
    scope=None,
    loss_collection=tf.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

定义在:tensorflow/python/ops/losses/losses_impl.py.

使用tf.nn.softmax_cross_entropy_with_logits创建交叉熵(cross-entropy)loss.

weights作为loss的系数.如果提供了标量,那么loss只是按给定值缩放.如果weights是形状为[batch_size]的张量,则loss权重适用于每个相应的样本.

如果label_smoothing非零,则将标签平滑为:1/num_classes: new_onehot_labels = onehot_labels * (1 - label_smoothing) + label_smoothing / num_classes

参数:

  • onehot_labels:[batch_size, num_classes]目标是一个hot-encoded标签.
  • logits:[batch_size, num_classes]logits网络的输出.
  • weights:可选的Tensor,其秩为0或1,并且可以广播到形状为[batch_size]的Tensor的loss.
  • label_smoothing:如果大于0,则平滑标签.
  • scope:计算loss时执行的操作范围.
  • loss_collection:将添加loss的集合.
  • reduction:适用于loss的减少类型.

返回:

与logits具有相同类型的加权损失Tensor.如果reduction是NONE,这有形状[batch_size];否则,它是标量.

可能引发的异常:

  • ValueError:如果logits的形状与onehot_labels不匹配,或weights的形状无效,或者如果weights是None,如果onehot_labels或logits是None.
以上内容是否对您有帮助:
二维码
建议反馈
二维码