tf.compat.v1.nn.sampled_softmax_loss

Вычисляет и возвращает обучающую потерю сэмплированного софтмакса.

tf.compat.v1.nn.sampled_softmax_loss(
    weights,
    biases,
    labels,
    inputs,
    num_sampled,
    num_classes,
    num_true=1,
    sampled_values=None,
    remove_accidental_hits=True,
    partition_strategy='mod',
    name='sampled_softmax_loss',
    seed=None
)

Это более быстрый способ обучения классификатора софтмакса с огромным количеством классов.

Этот оператор предназначен только для обучения. Он обычно является недооценкой полной потери софтмакса.

Распространённый случай использования — применение этого метода для обучения и вычисление полной потери софтмакса для оценки или вывода. В этом случае вы должны установить partition_strategy="div", чтобы обе потери были согласованы, как в следующем примере:

if mode == "train":
  loss = tf.nn.sampled_softmax_loss(
      weights=weights,
      biases=biases,
      labels=labels,
      inputs=inputs,
      ...,
      partition_strategy="div")
elif mode == "eval":
  logits = tf.matmul(inputs, tf.transpose(weights))
  logits = tf.nn.bias_add(logits, biases)
  labels_one_hot = tf.one_hot(labels, n_classes)
  loss = tf.nn.softmax_cross_entropy_with_logits(
      labels=labels_one_hot,
      logits=logits)

См. нашу справку по алгоритмам выборки кандидатов (pdf). Также см. раздел 3 (Jean et al., 2014) для математических формул.

Аргументы
`weights`	Массив формы `[num_classes, dim]` или список объектов `Tensor`, чьё конкатенация по размерности 0 имеет форму [num_classes, dim]. Векторные эмбеддинги классов (возможно, распределённые).
`biases`	Массив формы `[num_classes]`. Смещения классов.
`labels`	1-мерный тензор типа `int64` и формы `[batch_size, num_true]`. Целевые классы. Обратите внимание, что этот формат отличается от аргумента `labels` функции `nn.softmax_cross_entropy_with_logits`.
`inputs`	Массив формы `[batch_size, dim]`. Активации на выходе входной сети.
`num_sampled`	Целое число. Количество случайно выбираемых классов на каждой итерации.
`num_classes`	Целое число. Количество возможных классов.
`num_true`	Целое число. Количество целевых классов на пример.
`sampled_values`	Кортеж (`sampled_candidates`, `true_expected_count`, `sampled_expected_count`), возвращаемый функцией `*_candidate_sampler`. (Если None, используется `log_uniform_candidate_sampler` по умолчанию).
`remove_accidental_hits`	Булево значение. Удалять ли "случайные совпадения", когда выбранный класс совпадает с одним из целевых классов. По умолчанию True.
`partition_strategy`	Строка, определяющая стратегию разбиения, актуальна если `len(weights) > 1`. В данный момент поддерживаются `"div"` и `"mod"`. По умолчанию `"mod"`. Смотрите `tf.nn.embedding_lookup` для получения дополнительной информации.
`name`	Имя операции (необязательно).
`seed`	Зерно для генерации случайных чисел при выборке кандидатов. По умолчанию None, что не устанавливает операторное зерно для выборки кандидатов.

Возвращаемое значение
1-мерный тензор, содержащий потери сэмплированного софтмакса для каждого примера.

Ссылки
Об использовании очень большого словаря целевых слов для машинного перевода: Jean et al., 2014 (pdf)

© 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/nn/sampled_softmax_loss