python实现交叉熵损失函数

交叉熵损失函数是用于分类问题的一种常见损失函数，可以用来衡量模型预测结果与真实标签之间的差距。在Python中，可以使用以下代码实现交叉熵损失函数：

import numpy as np

def cross_entropy_loss(y_pred, y_true):
    # 将预测结果和真实标签转换为概率分布
    y_pred = np.exp(y_pred) / np.sum(np.exp(y_pred), axis=-1, keepdims=True)
    y_true = np.eye(y_pred.shape[-1])[y_true]
    # 计算交叉熵损失
    loss = -np.sum(y_true * np.log(y_pred), axis=-1)
    return loss.mean()

其中，y_pred是模型的预测结果，y_true是真实标签。这段代码首先将预测结果和真实标签转换为概率分布，然后计算交叉熵损失。