交叉熵损失python

交叉熵损失（Cross-Entropy Loss）是一种常用的损失函数，常用于分类问题中。在Python中，可以使用多种库来计算交叉熵损失，比如NumPy、TensorFlow和PyTorch等。下面是使用NumPy计算交叉熵损失的示例代码：

import numpy as np

def cross_entropy_loss(y_true, y_pred):
    epsilon = 1e-12  # 避免计算log(0)的情况
    y_pred = np.clip(y_pred, epsilon, 1.0 - epsilon)  # 将预测值限制在一个很小的范围内，避免取log时出现错误
    loss = -np.sum(y_true * np.log(y_pred))  # 计算交叉熵损失
    return loss

# 示例数据
y_true = np.array([0, 1, 0])  # 真实标签
y_pred = np.array([0.2, 0.7, 0.1])  # 预测概率

# 计算交叉熵损失
loss = cross_entropy_loss(y_true, y_pred)
print("交叉熵损失:", loss)

上述代码中，`y_true`表示真实标签，`y_pred`表示预测概率。`cross_entropy_loss`函数通过将预测概率限制在一个很小的范围内，避免取log时出现错误。然后，使用`np.sum`计算交叉熵损失。

以上是使用NumPy计算交叉熵损失的示例，如果你使用其他库，可能会有稍微的差别，但基本的原理是相同的。