当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


计算二元交叉熵损失。

用法

tf.keras.metrics.binary_crossentropy(
    y_true, y_pred, from_logits=False, label_smoothing=0.0, axis=-1
)

参数

  • y_true 基本事实值。形状 = [batch_size, d0, .. dN] 。
  • y_pred 预测值。形状 = [batch_size, d0, .. dN] 。
  • from_logits y_pred 是否预期为 logits 张量。默认情况下，我们假设 y_pred 对概率分布进行编码。
  • label_smoothing 浮点数在 [0, 1] 中。如果 > 0 然后通过将标签向 0.5 挤压来平滑标签，也就是说，对目标类使用 1. - 0.5 * label_smoothing，对非目标类使用 0.5 * label_smoothing。
  • axis 计算平均值的轴。默认为 -1。

返回

  • 二元交叉熵损失值。形状 = [batch_size, d0, .. dN-1] 。

单机使用：

y_true = [[0, 1], [0, 0]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
loss = tf.keras.losses.binary_crossentropy(y_true, y_pred)
assert loss.shape == (2,)
loss.numpy()
array([0.916 , 0.714], dtype=float32)

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.binary_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。