本文详细介绍了TensorFlow中两种常用的Softmax损失函数：softmax_cross_entropy和sparse_softmax_cross_entropy。前者适用于多分类任务，后者则针对标签为整数的情况。文章强调了使用这两种损失函数时，网络的最后一层无需再添加Softmax激活函数，并且对于sparse_softmax_cross_entropy函数，输入的标签需要通过tf.argmax函数转换。
tf.losses.softmax_cross_entropy(): softmax cross-entropy loss （用tf.nn.softmax_cross_entropy_with_logits 实现）
tf.losses.sparse_softmax_cross_entropy(): 稀疏softmax Cross-entropy loss （用 tf.nn.sparse_softmax_cross_entropy_with_logits 实现）
注意1，使用这两种Losses函数，网络的最后都不需要加上softmax函数。
注意2，在sparse_softmax_cross_entropy()，输入的label为 tf.argmax(Y, axis=1)
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
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
5587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
