调用tf.softmax_cross_entropy_with_logits函数出错解决

最新推荐文章于 2020-12-22 09:04:15 发布

转载最新推荐文章于 2020-12-22 09:04:15 发布 · 255 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/xqnq2007/p/7489176.html

本文介绍了TensorFlow中softmax_cross_entropy_with_logits函数的调用方式更新，从直接传入参数到必须使用命名参数的方式，同时提供了修改前后的代码示例。logits代表预测值，labels代表标签值。

部署运行你感兴趣的模型镜像

原来这个函数，不能按以前的方式进行调用了，只能使用命名参数的方式来调用。原来是这样的：

tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))

因此修改需要成这样：

tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y_))

logits是预测值，labels是标签值

转载于:https://www.cnblogs.com/xqnq2007/p/7489176.html

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

ankuai2015

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

MindSpore报错SoftmaxCrossEntropyWithLogits sparse为False情况下,只支持2维输入

weixin_45875914的博客

04-02

4575

1 报错描述 1.1 系统环境 Hardware Environment(Ascend/GPU/CPU): GPU Software Environment: – MindSpore version (source or binary): 1.6.0 – Python version (e.g., Python 3.7.5): 3.7.6 – OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-gene

softmax_cross_entropy_with_logits & sparse_softmax_cross_entropy_with_logit区别

空字符

07-11

2876

1.相同点两者都是先经过softmax处理，然后来计算交叉熵，并且最终的结果是一样的，再强调一遍，最终结果都一样。那既然有了softmax_cross_entropy_with_logits 这个方法，那么sparse_softmax_cross_entropy_with_logit 有何用？按照《TensorFlow实战Google深度学习框架》中的说法：在只有一个正确答案的分类问题中，...

参与评论您还未登录，请先登录后发表或查看评论

tf.nn.softmax_cross_entropy_with_logits

Gussss的博客

10-17

297

loss_record = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=result, labels=y)) loss11 = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=result, labels=y),-1) loss2...

tf.nn.softmax_cross_entropy_with_logits()及tf.nn.sparse_softmax_cross_entropy_with_logits()函数的区别

sjtuxx_lee的博客

09-03

685

这两个函数主要用于定义多分类问题的loss。 tf.nn.softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, dim=-1, name=None) 解释该函数最重要的两个参数： 1. labels: 训练数据的标记真值，每一行为一个概率分布（可以直接使用one-hot编码） 2. logit...

交叉熵在机器学习中的使用，透彻理解交叉熵以及tf.nn.softmax_cross_entropy_with_logits的用法

qq_26449287的博客

10-09

551

关于交叉熵在loss函数中使用的理解交叉熵（cross entropy）是深度学习中常用的一个概念，一般用来求目标与预测值之间的差距。以前做一些分类问题的时候，没有过多的注意，直接调用现成的库，用起来也比较方便。最近开始研究起对抗生成网络（GANs），用到了交叉熵，发现自己对交叉熵的理解有些模糊，不够深入。遂花了几天的时间从头梳理了一下相关知识点，才算透彻的理解了，特地记录下来，以便日后查阅。 ...

[tensorflow] tf.nn.sparse_softmax_cross_entropy_with_logits的使用方法及常见报错

u013084616的专栏

01-23

6339

函数说明在计算交叉熵之前，通常要用到softmax层来计算结果的概率分布。因为softmax层并不会改变最终的分类结果（排序），所以，tensorflow将softmax层与交叉熵函数进行封装，形成一个函数方便计算：tf.nn.softmax_cross_entropy_with_logits（logits= , labels=）。为了加速计算过程，针对只有一个正确答案（例如MNIST识别）的分类...

#定义损失函数 loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=res, labels=Y)) # 定义正确率评价指标 ac = tf.cast(tf.equal(tf.argmax(res, 1), tf.argmax(Y, 1)), tf.float32) acc = tf.reduce_mean(ac) # 创建优化器 optim = tf.train.AdamOptimizer(0.0001).minimize(loss) j接下来的代码也报错，--------------------------------------------------------------------------- AttributeError Traceback (most recent call last) Cell In[65], line 2 1 #定义损失函数 ----> 2 loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(logits=res, labels=Y)) 4 # 定义正确率评价指标 5 ac = tf.cast(tf.equal(tf.argmax(res, 1), tf.argmax(Y, 1)), tf.float32) AttributeError: module 'tensorflow._api.v2.nn' has no attribute 'softmax_cross_entropy_with_logits_v2'

热门推荐

accumulate_zhang的博客

10-16

1万+

在学习《TensorFlow实战Google深度学习框架》这本书的时候，发现书上提供的代码有一些错误。原因是自己的TensorFlow的版本比较高，相对于书上的版本，一些API都变了，所以有些函数在书中的程序中是错误的，所以程序在运行的时候就会报错。比如：第五章中完整的训练MNIST数据的神经网络模型的程序代码中，直接运行程序的话会遇到以下的错误。首先：ValueError

[tensorflow损失函数系列]softmax_cross_entropy_with_logits

泛用演化计算、通用人工智能优化模型

08-26

3262

softmax_cross_entropy_with_logits原创文章,请勿转载!!函数定义def softmax_cross_entropy_with_logits(_sentinel=None, # pylint: disable=invalid-name labels=None, logits=None,

解决 tensorflow softmax_cross_entropy_with_logits() 报错 Only call `softmax_cross_entropy_with_logits`

沙哈

12-21

6629

运行程序报错：Traceback (most recent call last): File "demo.py", line 74, in <module> cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y)) File "/python2.7/site-packages/tensorflow/

tf 损失函数_tf常见的损失函数（LOSS）汇总

weixin_39528219的博客

12-22

708

损失函数在机器学习中用于表示预测值与真实值之间的差距。一般而言，大多数机器学习模型都会通过一定的优化器来减小损失函数从而达到优化预测机器学习模型参数的目的。哦豁，损失函数这么必要，那都存在什么损失函数呢?一般常用的损失函数是均方差函数和交叉熵函数。运算公式1 均方差函数均方差函数主要用于评估回归模型的使用效果，其概念相对简单，就是真实值与预测值差值的平方的均值，具体运算公式可以表达如下：其中f(x...

【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法

HK_John的博客

11-09

1893

在计算loss的时候，最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits，那么它到底是怎么做的呢？首先明确一点，loss是代价值，也就是我们要最小化的值 tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None) 除去name参数用以指定该操作的name，

TensorFlow学习笔记(3)——softmax_cross_entropy_with_logits函数详解

zchang81的博客

04-18

1万+

tensorflow之所以把softmax和cross entropy放到一个函数里计算，就是为了提高运算速度。

softmax_cross_entropy_with_logits_v2 计算的是什么玩意？

brooknew的专栏

09-06

6463

Tensorflow 里通过softmax后再计算交叉熵有2个函数： 1 softmax_cross_entropy_with_logits_v2 2 sparse_softmax_cross_entropy_with_logits 均涉及两个参数，logits 和 labels ，logits 一般是神经网络的输出，是一个batch乘待分类类型数的二维张量。而labels是已知的标注，同样sh...

tensorflow 中softmax_cross_entropy_with_logits的使用

weixin_38208741的博客

12-17

3059

"最后的输出" = conv_model(x, weights, biases)['out'] cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y, logits=“最后的输出”)) optm = tf.train.AdamOptimizer(learning_rate=learning_rate).