tf.compat.v1.nn.sampled_softmax_loss

Вычисляет и возвращает обучающую потерю выборочной софтмакс.

tf.compat.v1.nn.sampled_softmax_loss(
    weights, biases, labels, inputs, num_sampled, num_classes, num_true=1,
    sampled_values=None, remove_accidental_hits=True, partition_strategy='mod',
    name='sampled_softmax_loss', seed=None
)

Это более быстрый способ обучения классификатора софтмакс на огромном количестве классов.

Данная операция предназначена только для обучения. Как правило, это недооценка полной потери софтмакс.

Часто используется для обучения, а полную потерю софтмакс вычисляют для оценки или вывода. В этом случае необходимо установить partition_strategy="div" для того, чтобы две потери были согласованы, как показано в следующем примере:

if mode == "train":
  loss = tf.nn.sampled_softmax_loss(
      weights=weights,
      biases=biases,
      labels=labels,
      inputs=inputs,
      ...,
      partition_strategy="div")
elif mode == "eval":
  logits = tf.matmul(inputs, tf.transpose(weights))
  logits = tf.nn.bias_add(logits, biases)
  labels_one_hot = tf.one_hot(labels, n_classes)
  loss = tf.nn.softmax_cross_entropy_with_logits(
      labels=labels_one_hot,
      logits=logits)

См. нашу справку по алгоритмам выборочного отбора кандидатов (pdf). Также см. раздел 3 статьи (Jean et al., 2014) для математических формул.

Аргументы
`weights`	A `Tensor` формы `[num_classes, dim]`, или список `Tensor` объектов, конкатенация которых вдоль измерения 0 имеет форму [num_classes, dim]. Векторы встраивания классов (возможно, разнесённые).
`biases`	A `Tensor` формы `[num_classes]`. Смещения классов.
`labels`	A `Tensor` типа `int64` и формы `[batch_size, num_true]`. Целевые классы. Обратите внимание, что этот формат отличается от аргумента `labels` функции `nn.softmax_cross_entropy_with_logits`.
`inputs`	A `Tensor` формы `[batch_size, dim]`. Активности в прямом проходе входной сети.
`num_sampled`	Целое число. Количество классов, которые случайным образом выбираются на каждом батче.
`num_classes`	Целое число. Количество возможных классов.
`num_true`	Целое число. Количество целевых классов на обучающий пример.
`sampled_values`	кортеж (`sampled_candidates`, `true_expected_count`, `sampled_expected_count`) возвращаемый функцией `*_candidate_sampler`. (если None, используется значение по умолчанию `log_uniform_candidate_sampler`)
`remove_accidental_hits`	Логическое значение. Удалять ли «случайные совпадения», когда выбранный класс совпадает с одним из целевых классов. По умолчанию True.
`partition_strategy`	Строка, определяющая стратегию разбиения, если `len(weights) > 1`. В настоящее время поддерживаются `"div"` и `"mod"`. По умолчанию `"mod"`. См. `tf.nn.embedding_lookup` для получения более подробной информации.
`name`	Имя операции (необязательно).
`seed`	Псевдослучайное семя для выборочного отбора кандидатов. По умолчанию None, что не устанавливает генератор случайных чисел для выборочного отбора кандидатов на уровне операции.

Возвращаемое значение
A `batch_size` 1-мерный тензор потерь выборочной софтмакс на пример.

Ссылки:

Об использовании очень большого словаря целевых слов для машинного перевода: Jean et al., 2014 (pdf)

© 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/nn/sampled_softmax_loss