Python mxnet.metric.CrossEntropy用法及代碼示例

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

參數：

eps：(float) - 對於預測值為 0 或 1 的交叉熵損失未定義，因此預測值與小常數相加。
name：(str) - 此度量實例的名稱用於顯示。
output_names：(list of str, or None) - 使用update_dict 更新時應使用的預測名稱。默認情況下包括所有預測。
label_names：(list of str, or None) - 使用update_dict 更新時應使用的標簽名稱。默認情況下包括所有標簽。

基礎： mxnet.metric.EvalMetric

計算交叉熵損失。

一批樣本大小\(N\)的交叉熵由下式給出

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

其中 \(t_{nk}=1\) 當且僅當樣本 \(n\) 屬於類 \(k\) 。 \(y_{nk}\) 表示樣本 \(n\) 屬於類 \(k\) 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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.metric.CrossEntropy。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。