Python mxnet.metric.CrossEntropy用法及代码示例

用法: class mxnet.metric.CrossEntropy(eps=1e-12, name='cross-entropy', output_names=None, label_names=None)

参数：

eps：(float) - 对于预测值为 0 或 1 的交叉熵损失未定义，因此预测值与小常数相加。
name：(str) - 此度量实例的名称用于显示。
output_names：(list of str, or None) - 使用update_dict 更新时应使用的预测名称。默认情况下包括所有预测。
label_names：(list of str, or None) - 使用update_dict 更新时应使用的标签名称。默认情况下包括所有标签。

基础： mxnet.metric.EvalMetric

计算交叉熵损失。

一批样本大小\(N\)的交叉熵由下式给出

\[-\sum_{n=1}^{N}\sum_{k=1}^{K}t_{nk}\log (y_{nk}),\]

其中 \(t_{nk}=1\) 当且仅当样本 \(n\) 属于类 \(k\) 。 \(y_{nk}\) 表示样本 \(n\) 属于类 \(k\) 的概率。

例子：

>>> predicts = [mx.nd.array([[0.3, 0.7], [0, 1.], [0.4, 0.6]])]
>>> labels   = [mx.nd.array([0, 1, 1])]
>>> ce = mx.metric.CrossEntropy()
>>> ce.update(labels, predicts)
>>> print ce.get()
('cross-entropy', 0.57159948348999023)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.metric.CrossEntropy。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。