tf.keras.losses.SparseCategoricalCrossentropy

Вычисляет потерю кросс-энтропии между метками и прогнозами.

Наследуется от: Loss

tf.keras.losses.SparseCategoricalCrossentropy(
    from_logits=False,
    ignore_class=None,
    reduction='sum_over_batch_size',
    name='sparse_categorical_crossentropy'
)

Используется в блокнотах

Используется в руководстве	Используется в учебниках
Эффективный Tensorflow 2 Миграция ранней остановки Миграция механизма отказоустойчивости Использование TPUs tf.data: Создание входных конвейеров TensorFlow	Загрузка текста Распределенное обучение с Keras Сегментация изображений Сохранение и загрузка модели с помощью стратегии распределения Классификация изображений

Используйте эту функцию потерь кросс-энтропии, когда существует два или более классов меток. Мы ожидаем, что метки будут предоставлены в виде целых чисел. Если вы хотите предоставить метки с помощью one-hot представления, используйте потерю CategoricalCrossentropy. Должно быть # classes значений с плавающей запятой на признак для y_pred и одно значение с плавающей запятой на признак для y_true.

В приведенном ниже фрагменте для y_true имеется одно значение с плавающей запятой на пример, а для y_pred — num_classes значений с плавающей запятой на пример. Формат y_true — [batch_size], а формат y_pred — [batch_size, num_classes].

Аргументы
`from_logits`	Ожидается ли, что `y_pred` будет тензором логарифмов. По умолчанию предполагается, что `y_pred` кодирует распределение вероятностей.
`reduction`	Тип сокращения, применяемого к потере. В подавляющем большинстве случаев это должно быть `"sum_over_batch_size"`. Поддерживаемые варианты — `"sum"`, `"sum_over_batch_size"` или `None`.
`name`	Необязательное имя экземпляра потери.

Примеры:

y_true = [1, 2]
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
# Using 'auto'/'sum_over_batch_size' reduction type.
scce = keras.losses.SparseCategoricalCrossentropy()
scce(y_true, y_pred)
1.177

# Calling with 'sample_weight'.
scce(y_true, y_pred, sample_weight=np.array([0.3, 0.7]))
0.814

# Using 'sum' reduction type.
scce = keras.losses.SparseCategoricalCrossentropy(
    reduction="sum")
scce(y_true, y_pred)
2.354

# Using 'none' reduction type.
scce = keras.losses.SparseCategoricalCrossentropy(
    reduction=None)
scce(y_true, y_pred)
array([0.0513, 2.303], dtype=float32)

Использование с API compile():

model.compile(optimizer='sgd',
              loss=keras.losses.SparseCategoricalCrossentropy())

Методы

`call`

Просмотреть исходный код

call(
    y_true, y_pred
)

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

`get_config`

Просмотреть исходный код

get_config()

`call`

Просмотреть исходный код

__call__(
    y_true, y_pred, sample_weight=None
)

Вызов self как функции.

© 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/SparseCategoricalCrossentropy