tf.losses.softmax_cross_entropy

Создаёт функцию потерь кросс-энтропии, используя tf.nn.softmax_cross_entropy_with_logits_v2.

tf.losses.softmax_cross_entropy(
    onehot_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 функции потерь. Если предоставлен скаляр, то функция потерь просто масштабируется на заданное значение. Если weights является тензором формы [batch_size], то веса потерь применяются к каждому соответствующему образцу.

Если label_smoothing не равно нулю, метки сглаживаются в сторону 1/num_classes: new_onehot_labels = onehot_labels * (1 - label_smoothing)

+ label_smoothing / num_classes

Обратите внимание, что onehot_labels и logits должны иметь одинаковую форму, например [batch_size, num_classes]. Форма weights должна быть совместима для трансляции с функцией потерь, форма которой определяется формой logits. В случае, если форма logits является [batch_size, num_classes], функция потерь является Tensor формы [batch_size].

Совместимость с Eager

Аргумент loss_collection игнорируется при выполнении в режиме Eager. Рассмотрите возможность сохранения возвращаемого значения или сбора потерь с помощью tf.keras.Model.