笔记 - 损失函数：交叉熵

最新推荐文章于 2024-07-08 12:25:33 发布

原创

最新推荐文章于 2024-07-08 12:25:33 发布 · 457 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了如何在TensorFlow中使用原生方法计算交叉熵损失，包括`softmax_cross_entropy_with_logits`和`sparse_softmax_cross_entropy_with_logits`两种方式，详细讲解了它们在处理样本类别预测矩阵与实际类别矩阵时的计算过程。

tensoflow原生实现

给出样本类别预测矩阵与实际类别矩阵，计算交叉熵

import tensorflow as tf

"""
给出n个样本的预测值与真实值进行计算交叉熵(label已进行热编码)
即两个矩阵

交叉熵公式倒背如流
"""
y = tf.constant([[0, 0, 1], [1, 0, 0]], dtype=tf.float32)
y_pred = tf.random_uniform(shape=