tf.compat.v1.losses.sigmoid_cross_entropy

Создаёт функцию потерь кросс-энтропии с использованием tf.nn.sigmoid_cross_entropy_with_logits.

tf.compat.v1.losses.sigmoid_cross_entropy(
    multi_class_labels,
    logits,
    weights=1.0,
    label_smoothing=0,
    scope=None,
    loss_collection=ops.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

weights выступает в роли коэффициента для функции потерь. Если предоставлено скалярное значение, то функция потерь просто масштабируется на заданное значение. Если weights представляет собой тензор формы [batch_size], то веса потерь применяются к каждой соответствующей выборке.

Если label_smoothing отлично от нуля, метки сглаживаются к 1/2:

new_multiclass_labels = multiclass_labels * (1 - label_smoothing)

                        + 0.5 * label_smoothing

Аргументы
`multi_class_labels`	`[batch_size, num_classes]` целевые целочисленные метки в `{0, 1}`.
`logits`	Вещественные `[batch_size, num_classes]` выходные значения логитов сети.
`weights`	Необязательный `Tensor`, ранг которого равен 0 или совпадает с рангом `multi_class_labels`, и должен быть совместим для трансляции с `multi_class_labels` (т.е., все измерения должны быть либо `1`, либо совпадать с соответствующим измерением `losses`).
`label_smoothing`	Если больше, чем `0`, то сгладить метки.
`scope`	Область для операций, выполняемых при вычислении функции потерь.
`loss_collection`	Коллекция, в которую будет добавлена функция потерь.
`reduction`	Тип редукции для применения к функции потерь.

Возвращаемое значение
Взвешенная функция потерь `Tensor` того же типа, что и `logits`. Если `reduction` равно `NONE`, она имеет ту же форму, что и `logits`; в противном случае она скалярная.

Исключения
`ValueError`	Если форма `logits` не совпадает с формой `multi_class_labels` или если форма `weights` неверна, или если `weights` равно None. Также, если `multi_class_labels` или `logits` равно None.

совместимость с eager-режимом

Аргумент loss_collection игнорируется при выполнении в eager-режиме. Рассмотрите возможность сохранения возвращаемого значения или сбора функций потерь с помощью tf.keras.Model.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/losses/sigmoid_cross_entropy