tf.compat.v1.nn.sampled_softmax_loss

Вычисляет и возвращает обучающее значение потерь методом выборочной softmax.

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 softmax с большим количеством классов.

Эта операция предназначена только для обучения. Она, как правило, является заниженной оценкой полной потери softmax.

Распространённый случай использования этого метода — обучение, а вычисление полной потери softmax для оценки или вывода. В этом случае вы должны установить partition_strategy="div" для того, чтобы две потери были согласованы, как 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 обоснований.

Аргументы
`weights`	A `Tensor` формы `[num_classes, dim]`, или список `Tensor` объектов, конкатенация которых по размерности 0 имеет форму [num_classes, dim]. Вектора встраивания классов (возможно, фрагментированные).
`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` в `nn.softmax_cross_entropy_with_logits`.
`inputs`	A `Tensor` формы `[batch_size, dim]`. Активации на выходе входной сети.
`num_sampled`	Целое число. Количество классов, которые случайным образом выбираются в 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`) возвращённый функцией `*_candidate_sampler`. (Если None, используется значение по умолчанию `log_uniform_candidate_sampler`).
`remove_accidental_hits`	Булево значение. Удалять ли «случайные совпадения», где выбранный класс равен одному из целевых классов. По умолчанию True.
`partition_strategy`	Строка, определяющая стратегию разбиения, актуальная, если `len(weights) > 1`. В настоящее время поддерживаются `"div"` и `"mod"`. Значение по умолчанию `"mod"`. См. `tf.nn.embedding_lookup` для получения дополнительной информации.
`name`	Имя операции (необязательно).
`seed`	Псевдослучайное число для выборочного отбора кандидатов. По умолчанию None, что не устанавливает генератор случайных чисел на уровне операции для выборочного отбора кандидатов.

Возвращаемое значение
A `batch_size` 1-мерный тензор значений потерь выборочной softmax для каждого примера.

Ссылки:

Использование очень большого словаря целей для нейронного 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/r2.4/api_docs/python/tf/compat/v1/nn/sampled_softmax_loss