tf.contrib.seq2seq.sequence_loss

Взвешенная кросс-энтропийная потеря для последовательности логарифмов.

tf.contrib.seq2seq.sequence_loss(
    logits, targets, weights, average_across_timesteps=True,
    average_across_batch=True, sum_over_timesteps=False, sum_over_batch=False,
    softmax_loss_function=None, name=None
)

В зависимости от значений average_across_timesteps / sum_over_timesteps и average_across_batch / sum_over_batch, возвращаемый тензор будет иметь ранг 0, 1 или 2, поскольку эти аргументы уменьшают кросс-энтропию в каждом целевом значении, которое имеет форму [batch_size, sequence_length], по соответствующим измерениям. Например, если average_across_timesteps равно True и average_across_batch равно False, то возвращаемый тензор будет иметь форму [batch_size].

Обратите внимание, что average_across_timesteps и sum_over_timesteps не могут быть одновременно истинными. То же самое относится к average_across_batch и sum_over_batch.

Рекомендуемое уменьшение потери в tf 2.0 было изменено на sum_over, а не на взвешенное среднее. Пользователям рекомендуется использовать sum_over_timesteps и sum_over_batch для уменьшения.

Аргументы
`logits`	Тензор формы `[batch_size, sequence_length, num_decoder_symbols]` и типа float. Логарифмы соответствуют предсказанию по всем классам на каждом временном шаге.
`targets`	Тензор формы `[batch_size, sequence_length]` и типа int. Цель представляет собой истинный класс на каждом временном шаге.
`weights`	Тензор формы `[batch_size, sequence_length]` и типа float. `weights` определяет взвешивание каждого предсказания в последовательности. При использовании `weights` в качестве маскирования установите все допустимые временные шаги в 1, а все заполненные временные шаги в 0, например, маску, возвращаемую `tf.sequence_mask`.
`average_across_timesteps`	Если установлено, суммирует затраты по размеру последовательности и делит затраты на общую массу метки по временным шагам.
`average_across_batch`	Если установлено, суммирует затраты по размеру пакета и делит возвращенные затраты на размер пакета.
`sum_over_timesteps`	Если установлено, суммирует затраты по размеру последовательности и делит размер последовательности. Обратите внимание, что любой элемент с весом 0 будет исключен из расчета размера.
`sum_over_batch`	Если установлено, суммирует затраты по размеру пакета и делит общие затраты на размер пакета. Обратите внимание, что любой элемент с весом 0 будет исключен из расчета размера.
`softmax_loss_function`	Функция (метки, логарифмы) -> потеря-пакет, которая используется вместо стандартной softmax (по умолчанию, если это None). Обратите внимание, что для избежания путаницы требуется, чтобы функция принимала именованные аргументы.
`name`	Необязательное имя для этой операции, по умолчанию "sequence_loss".

Возвращает

Возвращает
Вещественный тензор ранга 0, 1 или 2, в зависимости от `average_across_timesteps` и `average_across_batch` аргументов. По умолчанию имеет ранг 0 (скаляр) и представляет собой взвешенное среднее значение кросс-энтропии (логарифмической сложности) на символ.

Вещественный тензор ранга 0, 1 или 2, в зависимости от average_across_timesteps и average_across_batch аргументов. По умолчанию имеет ранг 0 (скаляр) и представляет собой взвешенное среднее значение кросс-энтропии (логарифмической сложности) на символ.

Возбуждает
`ValueError`	Логарифмы не имеют 3 измерений или метки не имеют 2 измерений или веса не имеют 2 измерений.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/seq2seq/sequence_loss