RNN中的sparse_softmax_cross_entropy_with_logits

本文通过具体实例,详细介绍了在TensorFlow中如何使用sparse_softmax_cross_entropy_with_logits函数进行交叉熵损失计算。该函数适用于分类任务,特别是在多分类场景下,能够直接接受整数标签作为输入,简化了计算过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

看完这个例子你就懂了

# batch_size是2,时间步是2
ax = [[1,2,3,4],[2,3,4,5],[2,2,4,5],[2,1,4,5]]# 2*2,4
bx = [[2,1],[2,3]]
ax = tf.convert_to_tensor(ax,dtype=tf.float32)
bx = tf.convert_to_tensor(bx)
z = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=ax, labels=tf.reshape(bx, [-1]))
with tf.Session() as sess:
    print(sess.run(ax))
    print(sess.run(z))

输出结果

[[1. 2. 3. 4.]
 [2. 3. 4. 5.]
 [2. 2. 4. 5.]
 [2. 1. 4. 5.]]
[1.4401897 2.4401896 1.3835287 0.3618491]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值