函数 'tf.nn.sparse_softmax_cross_entropy_with_logits'。
时间: 2023-05-26 18:06:43 浏览: 209
tf.nn.sparse_softmax_cross_entropy_with_logits 函数计算稀疏 softmax 交叉熵。
稀疏 softmax 交叉熵是 softmax 交叉熵的一种变体,它适用于只有一个正确答案的情况,比如分类任务中。它可以通过将标签表示为一个整数列表而不是一个 one-hot 向量来实现。例如,如果有 5 个类别,那么分类任务的标签可以是 0、1、2、3 或 4。
该函数的输入包括实数对 logits 和整数标签 indices,输出最小化 logits 和 one-hot 表示给定的标签的交叉熵的张量。
使用示例:
```
import tensorflow as tf
# 计算稀疏 softmax 交叉熵:
logits = tf.constant([[0.5, 2.0, 1.0], [1.5, 1.0, 0.2]], dtype=tf.float32)
labels = tf.constant([1, 0], dtype=tf.int32)
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels)
# 执行计算图:
with tf.Session() as sess:
print(sess.run(loss))
```
该代码将输出:
```
[0.30775708 1.60943794]
```
其中,第一个标签是 1,因此只有第一个样本的第二个元素是正确的,所以计算第一个样本的稀疏 softmax 交叉熵的结果是 0.30775708 ;第二个样本的标签是 0,因此第二个样本的第一个元素是正确的,它的稀疏 softmax 交叉熵的结果是 1.60943794 。
对于更复杂的示例和更多参数,请参阅 TensorFlow 官方文档。
阅读全文