tf.keras.losses.BinaryCrossentropy

Вычисляет потерю кросс-энтропии между истинными метками и предсказанными метками.

tf.keras.losses.BinaryCrossentropy(
    from_logits=False, label_smoothing=0, reduction=losses_utils.ReductionV2.AUTO,
    name='binary_crossentropy'
)

Используйте эту потерю кросс-энтропии, когда есть только два класса меток (предполагается, что это 0 и 1). Для каждого примера должно быть одно число с плавающей точкой на предсказание.

В примере ниже каждый из четырех примеров содержит только одно число с плавающей точкой, и как y_pred так и y_true имеют форму [batch_size].

Использование в автономном режиме:

y_true = [[0., 1.], [0., 0.]]
y_pred = [[0.6, 0.4], [0.4, 0.6]]
# Using 'auto'/'sum_over_batch_size' reduction type.
bce = tf.keras.losses.BinaryCrossentropy()
bce(y_true, y_pred).numpy()
0.815

# Calling with 'sample_weight'.
bce(y_true, y_pred, sample_weight=[1, 0]).numpy()
0.458

# Using 'sum' reduction type.
bce = tf.keras.losses.BinaryCrossentropy(
    reduction=tf.keras.losses.Reduction.SUM)
bce(y_true, y_pred).numpy()
1.630
 

# Using 'none' reduction type.
bce = tf.keras.losses.BinaryCrossentropy(
    reduction=tf.keras.losses.Reduction.NONE)
bce(y_true, y_pred).numpy()
array([0.916 , 0.714], dtype=float32)

Использование с API tf.keras:

model.compile(optimizer='sgd', loss=tf.keras.losses.BinaryCrossentropy())

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()

Возвращает словарь конфигурации для экземпляра Loss.

__call__

Просмотреть исходный код

__call__(
    y_true, y_pred, sample_weight=None
)

Вызывает экземпляр Loss.