SparseCategoricalCrossentropy()与CategoricalCrossentropy()的区别

最新推荐文章于 2024-01-03 08:58:02 发布

Ian_Wonder

最新推荐文章于 2024-01-03 08:58:02 发布

阅读量2.4k

点赞数 1

分类专栏： python学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_40212975/article/details/108245786

版权

python学习专栏收录该内容

5 篇文章

订阅专栏

本文详细解析了在深度学习中CategoricalCrossentropy与SparseCategoricalCrossentropy两种损失函数的区别。前者适用于目标变量为one-hot编码的情况，而后者则用于数字编码的标签，即稀疏目标值预测场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

SparseCategoricalCrossentropy()与CategoricalCrossentropy()的区别：

（1）如果labels是one-hot编码，比如目标是 one-hot 编码：
　　[[0, 1, 0],
　　 [1, 0, 0],
　　 [0, 0, 1]]
每条每一行就是label的编码，使用CategoricalCrossentropy()，计算预测值与真值的多类交叉熵(输入值为二值矩阵,而不是向量)
（2）如果目标是数字编码，比如
[1,3,4]
每个数字即是label，使用SparseCategoricalCrossentropy()，Sparse是稀疏的意思，在对稀疏的目标值预测时有用。与多类交叉熵相同,适用于稀疏情况

参考：
【1】keras中文档
【2】Keras损失函数：categorical_crossentropy和sparse_categorical_crossentropy的区别

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。