tf.compat.v1.losses.sparse_softmax_cross_entropy

Потери кросс-энтропии, используя tf.nn.sparse_softmax_cross_entropy_with_logits.

tf.compat.v1.losses.sparse_softmax_cross_entropy(
    labels,
    logits,
    weights=1.0,
    scope=None,
    loss_collection=ops.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

Используется в ноутбуках

Используется в руководстве
Миграция ранней остановки

weights выступает в качестве коэффициента для потерь. Если задан скаляр, потери просто масштабируются заданным значением. Если weights представляет собой тензор формы [batch_size], то весовые коэффициенты потерь применяются к каждой соответствующей выборке.

Аргументы
`labels`	`Tensor` формы `[d_0, d_1, ..., d_{r-1}]` (где `r` - ранг `labels` и результата) и типа `int32` или `int64`. Каждое значение в `labels` должно быть индексом в `[0, num_classes)`. Другие значения вызовут исключение при выполнении этого оператора на процессоре и вернут `NaN` для соответствующих строк потерь и градиента на графическом процессоре.
`logits`	Немасштабированные вероятности логарифма формы `[d_0, d_1, ..., d_{r-1}, num_classes]` и типа `float16`, `float32` или `float64`.
`weights`	Коэффициенты для потерь. Должен быть скалярным или допускать масштабирование до `labels` (т. е. одинаковый ранг и каждая размерность либо равна 1, либо одинакова).
`scope`	Область действия операций, выполняемых при вычислении потерь.
`loss_collection`	Коллекция, к которой будут добавлены потери.
`reduction`	Тип редукции, применяемой к потерям.

Возвращаемое значение
Весовые потери `Tensor` того же типа, что и `logits`. Если `reduction` - `NONE`, эта форма совпадает с формой `labels`; в противном случае она является скалярной.

Исключения
`ValueError`	Если формы `logits`, `labels` и `weights` несовместимы или если какой-либо из них равен None.

совместимость с eager execution

Аргумент loss_collection игнорируется при выполнении eager execution. Рассмотрите возможность хранения возвращаемого значения или сбора потерь через 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/sparse_softmax_cross_entropy