tf.nn.sampled_softmax_loss

Вычисляет и возвращает потери обучения выборочной softmax.

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

Это более быстрый способ обучения классификатора softmax над большим количеством классов.

Данная операция предназначена только для обучения. Она, как правило, является недооценкой полной потери softmax.

Часто используется для обучения, а полная потеря сигмоиды вычисляется для оценки или инференса, как в следующем примере:

if mode == "train":
  loss = tf.nn.sampled_softmax_loss(
      weights=weights,
      biases=biases,
      labels=labels,
      inputs=inputs,
      ...)
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 Справочник по алгоритмам выборочного отбора кандидатов

Также см. раздел 3 статьи Jean et al., 2014 (pdf) для математического описания.

Примечание: при выполнении поиска вложения по weights и bias, будет использоваться стратегия разделения "div". Поддержка других стратегий разделения будет добавлена позже.