tf.keras.losses.CategoricalCrossentropy

Вычисляет потерю кроссэнтропии между метками и прогнозами.

Наследуется от: Loss

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

Используйте эту функцию потерь кроссэнтропии, когда имеется два или более классов меток. Мы ожидаем, что метки будут предоставлены в one_hot представлении. Если вы хотите предоставить метки в виде целых чисел, используйте функцию потерь SparseCategoricalCrossentropy. Должно быть # classes значений с плавающей точкой на каждую характеристику.

В фрагменте ниже есть # classes значений с плавающей точкой на каждый пример. Формат y_pred и y_true имеет формат [batch_size, num_classes].

Использование в автономном режиме:

y_true = [[0, 1, 0], [0, 0, 1]]
y_pred = [[0.05, 0.95, 0], [0.1, 0.8, 0.1]]
# Using 'auto'/'sum_over_batch_size' reduction type.
cce = tf.keras.losses.CategoricalCrossentropy()
cce(y_true, y_pred).numpy()
1.177

# Calling with 'sample_weight'.
cce(y_true, y_pred, sample_weight=tf.constant([0.3, 0.7])).numpy()
0.814

# Using 'sum' reduction type.
cce = tf.keras.losses.CategoricalCrossentropy(
    reduction=tf.keras.losses.Reduction.SUM)
cce(y_true, y_pred).numpy()
2.354

# Using 'none' reduction type.
cce = tf.keras.losses.CategoricalCrossentropy(
    reduction=tf.keras.losses.Reduction.NONE)
cce(y_true, y_pred).numpy()
array([0.0513, 2.303], dtype=float32)

Использование с API compile():

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

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.