加权交叉熵损失函数;多分类；keras

加权交叉熵损失函数是一种常用于多分类问题的损失函数，它在计算损失时考虑了样本的权重。在加权交叉熵损失函数中，每个样本都可以有一个特定的权重，用于调整其对总体损失的贡献。

在多分类问题中，我们通常使用softmax激活函数来将模型的输出转化为类别的概率分布。加权交叉熵损失函数通过比较模型输出的概率分布与真实标签的分布来计算损失。

在Keras中，可以使用`keras.losses.CategoricalCrossentropy`来实现加权交叉熵损失函数。该函数可以接受两个参数：`y_true`和`y_pred`，分别表示真实标签和模型的预测输出。如果需要考虑样本权重，可以通过设置`sample_weight`参数来传入权重值。

下面是一个示例代码，展示了如何在Keras中使用加权交叉熵损失函数：

import tensorflow as tf
from tensorflow import keras

# 定义样本权重
sample_weight = [1.0, 2.0, 1.5]

# 定义真实标签和模型预测输出
y_true = tf.constant([[0, 1, 0], [1, 0, 0], [0, 0, 1]])
y_pred = tf.constant([[0.2, 0.7, 0.1], [0.9, 0.1, 0.0], [0.3, 0.2, 0.5]])

# 计算加权交叉熵损失
loss = keras.losses.CategoricalCrossentropy()(y_true, y_pred, sample_weight=sample_weight)

print("加权交叉熵损失:", loss.numpy())