tf.compat.v1.losses.sparse_softmax_cross_entropy

Потеря кросс-энтропии, использующая tf.nn.sparse_softmax_cross_entropy_with_logits.

tf.compat.v1.losses.sparse_softmax_cross_entropy(
    labels,
    logits,
    weights=1.0,
    scope=None,
    loss_collection=ops.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

weights выступает как коэффициент для потери. Если предоставлен скаляр, то потеря просто масштабируется заданным значением. Если weights является тензором формы [batch_size], то весовые коэффициенты потери применяются к каждой соответствующей выборке.

Аргументы
`labels`	`Tensor` формы `[d_0, d_1, ..., d_{r-1}]` (где `r` — ранг `labels` и результата) и типа `int32` или `int64`. Каждая запись в `labels` должна быть индексом в `[0, num_classes)`. Другие значения вызовут исключение при выполнении этого оператора на CPU и вернут `NaN` для соответствующих строк потери и градиента на GPU.
`logits`	Немасштабированные логарифмические вероятности формы `[d_0, d_1, ..., d_{r-1}, num_classes]` и типа `float16`, `float32` или `float64`.
`weights`	Коэффициенты для потери. Это должно быть скаляр или совместимое с `labels` (т.е. тот же ранг и каждая размерность равна 1 или одинакова).
`scope`	область действия операций, выполняемых при вычислении потери.
`loss_collection`	коллекция, в которую будет добавлена потеря.
`reduction`	Тип редукции, применяемой к потере.

Возвращаемые значения
Весовая потеря `Tensor` того же типа, что и `logits`. Если `reduction` — `NONE`, это имеет ту же форму, что и `labels`; в противном случае это скаляр.

Исключения
`ValueError`	Если формы `logits`, `labels`, и `weights` несовместимы или если какой-либо из них равен None.

совместимость eager

Аргумент loss_collection игнорируется при выполнении в режиме eager. Рассмотрите возможность хранения возвращаемого значения или сбора потерь с помощью tf.keras.Model.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/losses/sparse_softmax_cross_entropy