tf.contrib.nn.sampled_sparse_softmax_loss

Вычисляет и возвращает выборочную потерю обучения для разреженной softmax.

tf.contrib.nn.sampled_sparse_softmax_loss(
    weights, biases, labels, inputs, num_sampled, num_classes, sampled_values=None,
    remove_accidental_hits=True, partition_strategy='mod',
    name='sampled_sparse_softmax_loss'
)

Это более быстрый способ обучения классификатора softmax с большим количеством классов.

Эта операция предназначена только для обучения. Она, как правило, является заниженной оценкой полной потери softmax.

Общее применение заключается в использовании этого метода для обучения, а затем вычислении полной потери softmax для оценки или инференции. В этом случае вы должны установить partition_strategy="div" для согласованности двух потерь, как в примере ниже:

if mode == "train":
  loss = tf.nn.sampled_sparse_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)
  loss = tf.nn.sparse_softmax_cross_entropy_with_logits(
      labels=tf.squeeze(labels),
      logits=logits)

Смотрите нашу Справочник по алгоритмам выборочного поиска кандидатов

Также см. раздел 3 Jean et al., 2014 (pdf) для математических формул.