tf.losses.sigmoid_cross_entropy

Создаёт потерю кросс-энтропии с использованием tf.nn.sigmoid_cross_entropy_with_logits.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.losses.sigmoid_cross_entropy

tf.losses.sigmoid_cross_entropy(
    multi_class_labels, logits, weights=1.0, label_smoothing=0, scope=None,
    loss_collection=tf.GraphKeys.LOSSES, reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

weights выступает в качестве коэффициента для потери. Если предоставлена скалярная величина, то потеря просто масштабируется заданным значением. Если weights является тензором формы [batch_size], то весовые коэффициенты потерь применяются к каждой соответствующей выборке.

Если label_smoothing не равно нулю, метки сглаживаются к 1/2:

new_multiclass_labels = multiclass_labels * (1 - label_smoothing)

                        + 0.5 * label_smoothing

Аргументы
`multi_class_labels`	`[batch_size, num_classes]` целевые целочисленные метки в `{0, 1}`.
`logits`	Плавающие значения `[batch_size, num_classes]` логарифмические выходные данные сети.
`weights`	Необязательные `Tensor`, ранг которого равен 0 или совпадает с рангом `labels`, и должен быть совместим с `labels` (то есть все измерения должны быть либо `1`, либо совпадать с соответствующим измерением `losses`).
`label_smoothing`	Если больше, чем `0`, сглаживать метки.
`scope`	Область действия операций, выполняемых при вычислении потери.
`loss_collection`	Коллекция, в которую будет добавлена потеря.
`reduction`	Тип сокращения, применяемого к потере.

Возвращаемое значение
Весовая потеря `Tensor` того же типа, что и `logits`. Если `reduction` равно `NONE`, эта величина имеет такую же форму, как `logits`; в противном случае это скаляр.

Исключения
`ValueError`	Если форма `logits` не совпадает с формой `multi_class_labels`, или если форма `weights` некорректна, или если `weights` равно None. Также, если `multi_class_labels` или `logits` равно None.

Совместимость с Eager

Аргумент loss_collection игнорируется при выполнении в режиме Eager. Рассмотрите возможность хранения возвращаемого значения или сбора потерь через tf.keras.Model.

© 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/losses/sigmoid_cross_entropy