Cette page a été traduite par l'API Cloud Translation.
Switch to English

tf.nn.softmax_cross_entropy_with_logits

Tensorflow 1 Version Voir la source sur GitHub

Calcule softmax entropie croisée entre logits et les labels .

Mesure l'erreur de probabilité dans les tâches de classification distinctes dans lesquelles les classes sont mutuellement exclusives (chaque entrée est exactement une classe). Par exemple, chaque image-10 est ICRA marqué par une et une seule étiquette: une image peut être un chien ou un camion, mais pas les deux.

En cas d' utilisation exclusive des labels (dans lequel une et une seule classe est vrai à la fois), voir sparse_softmax_cross_entropy_with_logits .

Usage:

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)>

Un cas d'utilisation de courant est d'avoir des logits et des étiquettes de forme [batch_size, num_classes] , mais des dimensions plus élevées sont prises en charge, avec l' axis arguments spécifiant la dimension de la classe.

logits et les labels doivent avoir la même DTYPE (soit float16 , float32 ou float64 ).

Rétropropagation se produira dans les deux logits et des labels . Pour rétropropagation rejeter dans les labels , les étiquettes passent à travers les tenseurs tf.stop_gradient avant de l' alimenter à cette fonction.

Notez que pour éviter toute confusion, il est nécessaire de ne laisser passer que les arguments nommés à cette fonction.

labels Chaque vecteur le long de la dimension de classe doit contenir une distribution de probabilité valable par exemple pour le cas où les étiquettes sont de forme [batch_size, num_classes] , chaque rangée d' labels[i] doit être une distribution de probabilité valide.
logits Par étiquette activations, généralement une sortie linéaire. Ces énergies d'activation sont interprétées comme des probabilités log non normalisées.
axis La dimension de classe. Par défaut à -1 qui est la dernière dimension.
name Un nom pour l'opération (en option).

Un Tensor qui contient la perte d'entropie croisée softmax. Son type est le même que logits et sa forme est la même que celle des labels , sauf qu'il n'a pas la dernière dimension des labels .