當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

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


計算稀疏分類交叉熵損失。

用法

tf.keras.metrics.sparse_categorical_crossentropy(
    y_true, y_pred, from_logits=False, axis=-1
)

參數

  • y_true 基本事實值。
  • y_pred 預測值。
  • from_logits y_pred 是否預期為 logits 張量。默認情況下，我們假設 y_pred 對概率分布進行編碼。
  • axis 默認為 -1。計算熵的維度。

返回

  • 稀疏分類交叉熵損失值。

單機使用：

y_true = [1, 2]
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
loss = tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred)
assert loss.shape == (2,)
loss.numpy()
array([0.0513, 2.303], dtype=float32)

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.sparse_categorical_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。