tf.keras.losses.SparseCategoricalCrossentropy()与CategoricalCrossentropy()简单说明

最新推荐文章于 2023-01-13 18:27:00 发布

原创

最新推荐文章于 2023-01-13 18:27:00 发布 · 3.3k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习

tf.keras.losses.SparseCategoricalCrossentropy(
    from_logits=False, reduction=losses_utils.ReductionV2.AUTO,
    name='sparse_categorical_crossentropy'
)

参数：from_logits:True就是需要经过softmax进行概率化，默认False及y_pred是经过softmax处理的
reduction:False：返回一个list, True:返回一个平均值
计算方法：本质就是计算交叉熵，交叉熵本质就是一个样本计算一个“-log(正确概率)”

    cce = tf.keras.losses.SparseCategoricalCrossentropy()
    loss = cce(
        [0, 1, 2],
        [[.9, .05, .05], [.5, .89, .6], [

最低0.47元/天解锁文章

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

github_元宝

关注关注

4
点赞
踩
6

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

专栏目录

tf.keras.losses.SparseCategoricalCrossentropy详解

qq_19069557的博客

11-13

1478

tf.keras.losses.SparseCategoricalCrossentropy详解

tf.keras.losses.SparseCategoricalCrossentropy() 稀疏交叉熵损失函数示例

weixin_44493841的博客

11-22

3350

import tensorflow as tf 标签为独热编码 y_true = [1, 2] # 正确标签 y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]] # 预测标签分类的概率（独热编码） loss = tf.keras.losses.SparseCategoricalCrossentropy() # 稀疏分类交叉熵 loss(y_true, y_pred).numpy() 1.1769392 ...

参与评论您还未登录，请先登录后发表或查看评论

tf.keras.losses.SparseCategoricalCrossentropy

一个学术five的blog

11-13

2988

tf.keras.losses.SparseCategoricalCrossentropy

tf.keras.losses.SparseCategoricalCrossentropy函数

weixin_49346755的博客

05-01

6372

函数原型 tf.keras.losses.SparseCategoricalCrossentropy( from_logits=False, reduction=losses_utils.ReductionV2.AUTO, name='sparse_categorical_crossentropy' ) 函数说明 SparseCategoricalCrossentropy函数用于计算多分类问题的交叉熵，计算公式如下：参数from_logits=False表示输出的logits需

tf.keras.losses.SparseCategoricalCrossentropy 学习总结

sslfk的博客

01-13

1134

SparseCategoricalCrossentropy相关参数解析

tf.keras.losses.CategoricalCrossentropy函数

weixin_49346755的博客

05-01

6941

函数原型 tf.keras.losses.CategoricalCrossentropy( from_logits=False, label_smoothing=0.0, axis=-1, reduction=losses_utils.ReductionV2.AUTO, name='categorical_crossentropy' ) 函数说明 CategoricalCrossentropy函数用于计算多分类问题的交叉熵。使用的公式如下：参数from_logt

Module: tf.keras.losses 理解

qq_36033058的博客

12-17

3558

本文主要整理记录对tf2.0中损失函数模块的理解。tf中实现的所有损失都是python中的class。损失函数理解BinaryCrossentropy参数解释CategoricalCrossentropy参数解释SparseCategoricalCrossentropy参数解释 BinaryCrossentropy tf.keras.losses.BinaryCrossentropy: tf.keras.losses.BinaryCrossentropy( from_logits=False, l

tf.keras.losses.sparse_categorical_crossentropy和tf.keras.losses.SparseCategoricalCrossentropy

qq_34418352的博客

05-25

4591

1 tf.keras.losses.sparse_categorical_crossentropy 是一个函数。返回每个样本的损失。等价于: tf.keras.backend.sparse_categorical_crossentropy 2 tf.keras.losses.SparseCategoricalCrossentropy 是一个类。可以返回每个样本的损失，可以返回所有样本的累加损失，可以返回样本的平均损失。参数 reduction: reduction=tf.ke.

Keras中的多分类损失函数用法categorical_crossentropy

09-16

主要介绍了Keras中的多分类损失函数用法categorical_crossentropy，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

tf.keras.losses下的SparseCategoricalCrossentropy和sparse_categorical_crossentropy区别

weixin_44575660的博客

01-22

1189

sparse_categorical_crossentropy:需要把正确和错误的结果以参数的形式填进去 SparseCategoricalCrossentropy:可以调用法，通过调用激活一般使用SparseCategoricalCrossentropy方法

keras.losses.SparseCategoricalCrossentropy是？

weixin_42598278的博客

01-09

234

keras.losses.SparseCategoricalCrossentropy 是一个用于计算分类损失的函数，它可以将真实标签与模型输出进行比较，并计算出分类损失。这个函数适用于稀疏分类，也就是说，真实标签是一个整数数组，表示每个类别的索引。 ...

TensorFlow tf.keras.losses.SparseCategoricalCrossentropy

Claroja

08-11

9618

下面的例子,y_true的形状是[batch_size],y_pred的形状是[batch_size,num_class]. 也就是说y_pred经过softmax层之后,是one-hot编码,SparseCategoricalCrossentropy将y_true变成了one-hot编码. cce = tf.keras.losses.SparseCategoricalCrossentropy()...

【Tensorflow】【分类：损失函数】SparseCategoricalCrossentropy()和CategoricalCrossentropy()

热门推荐

静谧、淡雅

04-01

1万+

tf.keras.losses.SparseCategoricalCrossentropy()与CategoricalCrossentropy()的区别：如果目标是one-hot 编码，比如二分类【0,1】【1,0】，损失函数用categorical_crossentropy。如果目标是数字编码，比如二分类0,1，损失函数用sparse_categorical_crossentrop...

sparse_categorical_crossentropy与categorical_crossentropy区别

追梦小狂魔的博客

02-12

5939

两者都是多分类交叉熵损失函数，区别在于sparse（稀疏），在于对target编码的要求。 1.categorical_crossentropy要求target为onehot编码。 2.sparse_categorical_crossentropy要求target为非onehot编码，函数内部进行onehot编码实现。例如：如果你的 targets 是 one-hot 编码，用 categor...

交叉熵损失函数CategoricalCrossentropy 和 categorical_crossentropy

weixin_42713739的博客

10-19

4055

CategoricalCrossentropy 和 categorical_crossentropy 都是类别交叉熵损失函数，前者是类的实现形式，后者是函数的实现形式。CategoricalCrossentropy 调用的还是categorical_crossentropy 的实现。 y_true = [[0, 1, 0], [0, 0, 1]] y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]] loss = tf.keras.losses.categorical_cr

optimizer = tf.keras.optimizers.AdamW(learning_rate=2e-5) loss = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) metric = tf.keras.metrics.SparseCategoricalAccuracy('accuracy') 这些tf.keras是干什么用的？