Tensorflow.js tf.losses.sigmoidCrossEntropy()用法及代码示例

Tensorflow.js是Google开发的开源库，用于在浏览器或节点环境中运行机器学习模型和深度学习神经网络。它还可以帮助开发人员使用JavaScript语言开发ML模型，并可以直接在浏览器或Node.js中使用ML。

Tensorflow.js tf.losses.sigmoidCrossEntropy() 函数计算两个给定张量之间的 sigmoid 交叉熵损失。

用法:

tf.losses.sigmoidCrossEntropy(
    multiClassLabels, logits, weights, 
    labelSmoothing, reduction
);

参数：

multiClassLabels:它是不同形状的真实输出张量，如数量类、批次大小。它在维度上与“预测”相似。
logits:这是正在预测的输出。
weights:这些是等级为 0 或 1 的那些张量，它们必须是可扩展到 lebels 的。
labelSmoothing:如果该值大于 0，则意味着它将平滑标签。
reduction:这是适用于损失的减少类型。它必须是Reduction 类型。

注意：权重、标签平滑和减少是可选参数。

返回值：它返回tf.Tensor。

范例1：

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Initialising tensor1 as geek1.
let geek1 = tf.tensor3d([[[1], [2]], [[3], [4]]]);
  
// Initialising tensor2 as geek2.
let geek2 = tf.tensor3d([7, 11, 13, 4], [2, 2, 1])
  
// Computing sigmoid Cross Entropy loss 
// between geek1 and geek2
// using .sigmoidCrossEntropy) function.
geek = tf.losses.sigmoidCrossEntropy(geek1, geek2)
geek.print();

输出：

Tensor
    -12.245229721069336

范例2：

Javascript


// Importing the tensorflow.Js lbrary
import * as tf from "@tensorflow/tfjs"
  
// Computing sigmoid Cross Entropy loss 
// between two 4D tensors and
// printing the result.
tf.losses.sigmoidCrossEntropy(
    tf.tensor4d([[[[9], [8]], [[7], [5]]]]), 
    tf.tensor4d([[[[1], [2]], [[3], [4]]]])
).print();

输出：

Tensor
    -13.873268127441406

参考：https://js.tensorflow.org/api/latest/#losses.sigmoidCrossEntropy

相关用法

注：本文由纯净天空筛选整理自thacker_shahid大神的英文原创作品 Tensorflow.js tf.losses.sigmoidCrossEntropy() Function。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。