Python tf.keras.metrics.BinaryCrossentropy用法及代码示例

计算标签和预测之间的交叉熵度量。

用法

tf.keras.metrics.BinaryCrossentropy(
    name='binary_crossentropy', dtype=None, from_logits=False,
    label_smoothing=0
)

name (可选)指标实例的字符串名称。
dtype (可选)度量结果的数据类型。
from_logits (可选)输出是否预期为 logits 张量。默认情况下，我们认为输出编码概率分布。
label_smoothing (可选)在 [0, 1] 中浮点数。当 > 0 时，标签值会被平滑，这意味着标签值的置信度会放松。例如label_smoothing=0.2 意味着我们将为标签 0 使用值 0.1，为标签 1 使用 0.9 值。

这是当只有两个标签类(0 和 1)时要使用的交叉熵度量类。

m = tf.keras.metrics.BinaryCrossentropy()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]])
m.result().numpy()
0.81492424

m.reset_state()
m.update_state([[0, 1], [0, 0]], [[0.6, 0.4], [0.4, 0.6]],
               sample_weight=[1, 0])
m.result().numpy()
0.9162905

compile() API 的用法：

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[tf.keras.metrics.BinaryCrossentropy()])

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.metrics.BinaryCrossentropy。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。