Python tf.nn.softmax_cross_entropy_with_logits用法及代碼示例

計算 logits 和 labels 之間的 softmax 交叉熵。

用法

tf.nn.softmax_cross_entropy_with_logits(
    labels, logits, axis=-1, name=None
)

測量類別互斥(每個條目恰好屬於一個類別)的離散分類任務中的概率誤差。例如，每張 CIFAR-10 圖像都帶有一個且隻有一個標簽：圖像可以是狗或卡車，但不能同時是兩者。

注意：雖然這些類是互斥的，但它們的概率不一定是互斥的。所需要的隻是labels 的每一行都是有效的概率分布。如果不是，則梯度的計算將不正確。

如果使用獨占 labels(其中一次隻有一個類為真)，請參閱 sparse_softmax_cross_entropy_with_logits 。

用法：

logits = [[4.0, 2.0, 1.0], [0.0, 5.0, 1.0]]
labels = [[1.0, 0.0, 0.0], [0.0, 0.8, 0.2]]
tf.nn.softmax_cross_entropy_with_logits(labels=labels, logits=logits)
<tf.Tensor:shape=(2,), dtype=float32,
numpy=array([0.16984604, 0.82474494], dtype=float32)>

警告：此操作需要未縮放的 logits，因為它在內部對 logits 執行 softmax 以提高效率。不要使用 softmax 的輸出調用此操作，因為它會產生不正確的結果。

一個常見的用例是具有形狀 [batch_size, num_classes] 的 logits 和標簽，但支持更高的維度，axis 參數指定類維度。

logits 和 labels 必須具有相同的 dtype(float16 , float32 或 float64 )。

反向傳播將同時發生在 logits 和 labels 中。要禁止反向傳播到 labels ，請將標簽張量通過 tf.stop_gradient 傳遞給此函數。

請注意，為避免混淆，隻需要將命名參數傳遞給此函數。