Tensorflow函数tf.losses.log_loss()

最新推荐文章于 2024-01-24 21:49:46 发布

原创最新推荐文章于 2024-01-24 21:49:46 发布 · 1.1w 阅读

3 ·

CC 4.0 BY-SA版权

本文深入解析了TensorFlow中log_loss函数的使用方法及其参数意义，包括labels、predictions、weights等，并探讨了log损失与交叉熵之间的关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.losses.log_loss(
    labels,    #真实的输出张量,与“predictions”相同.
    predictions,    #预测的输出.
    weights=1.0,   #可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1,或者与相应的losses维度相同).
    epsilon=1e-07,    #要添加的小增量,以避免占用零的日志.
    scope=None,    #计算loss时执行的操作范围.
    loss_collection=tf.GraphKeys.LOSSES,    #将添加loss的集合.
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS    #适用于loss的减少类型.
)

计算labels和predictions的log损失（即交叉熵），后再乘以weights
log损失和交叉熵的关系可以看下面这篇博客
https://blog.youkuaiyun.com/google19890102/article/details/79496256