tf.keras.losses.sparse_categorical_crossentropy

Вычисляет потерю кросс-энтропии для несплошных категориальных переменных.

Просмотр псевдонимов

Основные псевдонимы

tf.keras.metrics.sparse_categorical_crossentropy

tf.keras.losses.sparse_categorical_crossentropy(
    y_true, y_pred, from_logits=False, ignore_class=None, axis=-1
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Использование TPUs	Использование DTensors с Keras Введение в библиотеку TensorFlow Models NLP

Аргументы
`y_true`	Значения целевых переменных.
`y_pred`	Прогнозируемые значения.
`from_logits`	Ожидается ли, что `y_pred` является тензором logits. По умолчанию предполагается, что `y_pred` кодирует распределение вероятностей.
`ignore_class`	Необязательное целое число. Идентификатор класса, который будет игнорироваться при вычислении потерь. Это полезно, например, в задачах сегментации с классом "пустое" (обычно -1 или 255) в картах сегментации. По умолчанию (`ignore_class=None`) рассматриваются все классы.
`axis`	По умолчанию `-1`. Размерность, по которой вычисляется энтропия.

Возвращаемое значение
Значение потери кросс-энтропии для несплошных категорий.

Примеры:

y_true = [1, 2]
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
loss = keras.losses.sparse_categorical_crossentropy(y_true, y_pred)
assert loss.shape == (2,)
loss
array([0.0513, 2.303], dtype=float32)

© 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/keras/losses/sparse_categorical_crossentropy