Python mxnet.symbol.softmax_cross_entropy用法及代码示例

用法:
mxnet.symbol.softmax_cross_entropy(data=None, label=None, name=None, attr=None, out=None, **kwargs)

参数：

data：(Symbol) - 输入数据
label：(Symbol) - 输入标签
name：(string, optional.) - 结果符号的名称。

结果符号。

返回类型：

Symbol

计算softmax输出和one-hot标签的交叉熵。

此运算符分两步计算交叉熵： - 对输入数组应用 softmax 函数。 - 计算并返回 softmax 输出和标签之间的交叉熵损失。
softmax 函数和交叉熵损失由下式给出：
- 软最大函数：
\[\text{softmax}(x)_i = \frac{exp(x_i)}{\sum_j exp(x_j)}\]
- 交叉熵函数：
\[\text{CE(label, output)} = - \sum_i \text{label}_i \log(\text{output}_i)\]

例子：

x = [[1, 2, 3],
     [11, 7, 5]]

label = [2, 0]

softmax(x) = [[0.09003057, 0.24472848, 0.66524094],
              [0.97962922, 0.01794253, 0.00242826]]

softmax_cross_entropy(data, label) = - log(0.66524084) - log(0.97962922) = 0.4281871

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.symbol.softmax_cross_entropy。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。

用法:

参数：

返回：

返回类型：