交叉熵损失函数python代码

下面是一个使用交叉熵损失函数的Python代码示例：

import numpy as np

def cross_entropy_loss(y_true, y_pred):
    """
    计算交叉熵损失函数
    
    参数：
    y_true -- 真实标签，大小为 (m, n) 的 numpy 数组，m 为样本数量，n 为类别数量
    y_pred -- 预测标签，大小为 (m, n) 的 numpy 数组，m 为样本数量，n 为类别数量
    
    返回：
    loss -- 交叉熵损失函数值，一个标量
    """
    m = y_true.shape[0]
    eps = 1e-15  # 避免取对数时出现无穷大值
    
    # 计算交叉熵损失函数值
    loss = -np.sum(y_true * np.log(y_pred + eps)) / m
    
    return loss

在上面的代码中，我们使用了NumPy库来进行矩阵运算。交叉熵损失函数的计算公式如下：

$$ Loss = -\frac{1}{m}\sum_{i=1}^{m}\sum_{j=1}^{n}y_{i,j}\log(\hat{y}_{i,j}+\epsilon) $$

其中，$m$ 为样本数量，$n$ 为类别数量，$y_{i,j}$ 表示第 $i$ 个样本的第 $j$ 个标签的真实值，$\hat{y}_{i,j}$ 表示第 $i$ 个样本的第 $j$ 个标签的预测值，$\epsilon$ 是一个非常小的数，用于避免取对数时出现无穷大值。