tf.compat.v1.losses.sigmoid_cross_entropy

Создает функцию потерь перекрестной энтропии с помощью 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 служит коэффициентом функции потерь. Если указано скалярное значение, функция потерь просто масштабируется на заданное значение. Если weights — тензор формы [batch_size], веса функции потерь применяются к каждому соответствующему примеру.

Если label_smoothing не равно нулю, метки сглаживаются в направлении 1/2:

new_multiclass_labels = multiclass_labels * (1 - label_smoothing)

                        + 0.5 * label_smoothing

Аргументы
`multi_class_labels`	`[batch_size, num_classes]` целочисленные метки целевых значений в `{0, 1}`.
`logits`	Выходные логиты сети Float `[batch_size, num_classes]`.
`weights`	Необязательный `Tensor`, ранг которого равен 0 или совпадает с рангом `multi_class_labels` и который допускает широковещательное преобразование к `multi_class_labels` (то есть все измерения должны быть либо `1`, либо совпадать с соответствующим измерением `losses`).
`label_smoothing`	Если значение больше `0`, метки сглаживаются.
`scope`	Область видимости операций, выполняемых при вычислении функции потерь.
`loss_collection`	Коллекция, в которую будет добавлена функция потерь.
`reduction`	Тип редукции, применяемой к функции потерь.

Возвращает
Взвешенная функция потерь `Tensor` того же типа, что и `logits`. Если `reduction` имеет значение `NONE`, форма результата совпадает с формой `logits`; в противном случае результат является скаляром.

Вызывает исключения
`ValueError`	Если форма `logits` не совпадает с формой `multi_class_labels`, форма `weights` недопустима или `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. Сохраните возвращаемое значение или собирайте функции 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