tf.nn.sparse_softmax_cross_entropy_with_logits

Вычисляет кросс-энтропию разреженного softmax между logits и labels.

tf.nn.sparse_softmax_cross_entropy_with_logits(
    labels, logits, name=None
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Распределенное обучение с основными API и DTensor Многослойные перцептроны для распознавания цифр с помощью основных API	Распределенное обучение с DTensors Описание изображений с визуальным вниманием Использование XLA с tf.function

Измеряет ошибку вероятности в задачах дискретной классификации, в которых классы взаимно исключают друг друга (каждый элемент находится ровно в одном классе). Например, каждое изображение CIFAR-10 помечено одним и только одним меткой: изображение может быть собакой или грузовиком, но не тем и другим одновременно.

Примечание: Для этой операции вероятность заданного метки рассматривается как исключительная. То есть, мягкие классы не допускаются, и вектор labels должен обеспечить единственный определённый индекс для истинного класса для каждой строки logits (каждый элемент мини-пакета). Для мягкой классификации softmax с распределением вероятности для каждого элемента см. softmax_cross_entropy_with_logits_v2.

Распространённый случай использования - логарифмы формы [batch_size, num_classes] и метки формы [batch_size], но поддерживаются и более высокие размерности, в этом случае dim-я размерность предполагается размером num_classes. logits должен иметь тип данных float16, float32 или float64, а labels должен иметь тип данных int32 или int64.

logits = tf.constant([[2., -5., .5, -.1],
                      [0., 0., 1.9, 1.4],
                      [-100., 100., -100., -100.]])
labels = tf.constant([0, 3, 1])
tf.nn.sparse_softmax_cross_entropy_with_logits(
    labels=labels, logits=logits).numpy()
array([0.29750752, 1.1448325 , 0.        ], dtype=float32)

Для избежания путаницы рекомендуется передавать только именованные аргументы в эту функцию.

Аргументы
`labels`	`Tensor` формы `[d_0, d_1, ..., d_{r-1}]` (где `r` - ранг `labels` и результата) и типа данных `int32` или `int64`. Каждый элемент в `labels` должен быть индексом в `[0, num_classes)`. Другие значения приведут к исключению при запуске этого оператора на процессоре и вернут `NaN` для соответствующих строк потерь и градиента на графическом процессоре.
`logits`	Необработанные логарифмы вероятностей формы `[d_0, d_1, ..., d_{r-1}, num_classes]` и типа данных `float16`, `float32` или `float64`.
`name`	Имя операции (необязательно).

Возвращаемое значение
A `Tensor` той же формы, что и `labels`, и того же типа, что и `logits`, со значением потери кросс-энтропии softmax.

Исключения
`ValueError`	Если логарифмы являются скалярами (нужно иметь ранг >= 1) или если ранг меток не равен рангу логарифмов минус один.

© 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/nn/sparse_softmax_cross_entropy_with_logits