tf.keras.losses.SparseCategoricalCrossentropy

Вычисляет потерю кроссэнтропии между метками и прогнозами.

tf.keras.losses.SparseCategoricalCrossentropy(
    from_logits=False, reduction=losses_utils.ReductionV2.AUTO,
    name='sparse_categorical_crossentropy'
)

Используйте эту функцию потерь кроссэнтропии, когда имеется два или более классов меток. Мы ожидаем, что метки будут предоставлены в виде целых чисел. Если вы хотите предоставить метки, используя one-hot представление, используйте CategoricalCrossentropy потерю. 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 примере для y_true имеется одно значение с плавающей запятой на пример, а для # classes — y_pred значений с плавающей запятой на пример. Форма y_true равна [batch_size], а форма y_pred равна [batch_size, num_classes].

Использование:

cce = tf.keras.losses.SparseCategoricalCrossentropy()
loss = cce(
  tf.convert_to_tensor([0, 1, 2]),
  tf.convert_to_tensor([[.9, .05, .05], [.5, .89, .6], [.05, .01, .94]]))
print('Loss: ', loss.numpy())  # Loss: 0.3239

Использование с API compile:

model = tf.keras.Model(inputs, outputs)
model.compile('sgd', loss=tf.keras.losses.SparseCategoricalCrossentropy())

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует Loss по его конфигурации (выход get_config()).

get_config

Просмотреть исходный код

get_config()

__call__

Просмотреть исходный код

__call__(
    y_true, y_pred, sample_weight=None
)

Вызывает экземпляр Loss.