Python tf.keras.metrics.BinaryCrossentropy用法及代碼示例

計算標簽和預測之間的交叉熵度量。

用法

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

name (可選)指標實例的字符串名稱。
dtype (可選)度量結果的數據類型。
from_logits (可選)輸出是否預期為 logits 張量。默認情況下，我們認為輸出編碼概率分布。
label_smoothing (可選)在 [0, 1] 中浮點數。當 > 0 時，標簽值會被平滑，這意味著標簽值的置信度會放鬆。例如label_smoothing=0.2 意味著我們將為標簽 0 使用值 0.1，為標簽 1 使用 0.9 值。

這是當隻有兩個標簽類(0 和 1)時要使用的交叉熵度量類。

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()])

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.metrics.BinaryCrossentropy。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。