tf.compat.v1.losses.sigmoid_cross_entropy

Создаёт функцию потерь перекрёстной энтропии, используя tf.nn.sigmoid_cross_entropy_with_logits.

tf.compat.v1.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 потерь. Если задано скалярное значение, то потери просто масштабируются на указанное значение. Если weights является тензором формы [batch_size], тогда веса потерь применяются к каждому соответствующему образцу.

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`	Целочисленные целевые метки `{0, 1}`.
`logits`	Вещественные значения `[batch_size, num_classes]` логарифмические выходные данные сети.
`weights`	Необязательные `Tensor` с рангом 0 или таким же, как у `labels`, и должен быть совместим с `labels` (т.е., все размерности должны быть либо `1`, либо такими же, как соответствующая размерность `losses`).
`label_smoothing`	Если больше, чем `0`, сглаживать метки.
`scope`	Область действия операций, выполняемых при вычислении потерь.
`loss_collection`	Коллекция, в которую будут добавлены потери.
`reduction`	Тип операции сокращения, применяемой к потерям.

Возвращаемое значение
Весовые потери `Tensor` того же типа, что и `logits`. Если `reduction` является `NONE`, это 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` неверна, или если `weights` равно None. Также, если `multi_class_labels` или `logits` равны 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/r2.3/api_docs/python/tf/compat/v1/losses/sigmoid_cross_entropy