tf.keras.losses.BinaryCrossentropy

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

Наследуется от: Loss

tf.keras.losses.BinaryCrossentropy(
    from_logits=False,
    label_smoothing=0.0,
    axis=-1,
    reduction=losses_utils.ReductionV2.AUTO,
    name='binary_crossentropy'
)

Используйте эту кросс-энтропийную потерю для задач бинарной (0 или 1) классификации. Функция потерь требует следующих входных данных:

• y_true (истинная метка): Это либо 0, либо 1.
• y_pred (предсказанное значение): Это предсказание модели, т.е. одно плавающее значение, которое либо представляет собой логит (т.е., значение в диапазоне [-бесконечность, бесконечность], когда from_logits=True) или вероятность (т.е., значение в диапазоне [0, 1], когда from_logits=False).

Рекомендуемое использование: (установить from_logits=True)

С tf.keras API:

model.compile(
  loss=tf.keras.losses.BinaryCrossentropy(from_logits=True),
  ....
)

В качестве самостоятельной функции:

# Example 1: (batch_size = 1, number of samples = 4)
y_true = [0, 1, 0, 0]
y_pred = [-18.6, 0.51, 2.94, -12.8]
bce = tf.keras.losses.BinaryCrossentropy(from_logits=True)
bce(y_true, y_pred).numpy()
0.865

# Example 2: (batch_size = 2, number of samples = 4)
y_true = [[0, 1], [0, 0]]
y_pred = [[-18.6, 0.51], [2.94, -12.8]]
# Using default 'auto'/'sum_over_batch_size' reduction type.
bce = tf.keras.losses.BinaryCrossentropy(from_logits=True)
bce(y_true, y_pred).numpy()
0.865
# Using 'sample_weight' attribute
bce(y_true, y_pred, sample_weight=[0.8, 0.2]).numpy()
0.243
# Using 'sum' reduction` type.
bce = tf.keras.losses.BinaryCrossentropy(from_logits=True,
    reduction=tf.keras.losses.Reduction.SUM)
bce(y_true, y_pred).numpy()
1.730
# Using 'none' reduction type.
bce = tf.keras.losses.BinaryCrossentropy(from_logits=True,
    reduction=tf.keras.losses.Reduction.NONE)
bce(y_true, y_pred).numpy()
array([0.235, 1.496], dtype=float32)

Использование по умолчанию: (установить from_logits=False)

# Make the following updates to the above "Recommended Usage" section
# 1. Set `from_logits=False`
tf.keras.losses.BinaryCrossentropy() # OR ...('from_logits=False')
# 2. Update `y_pred` to use probabilities instead of logits
y_pred = [0.6, 0.3, 0.2, 0.8] # OR [[0.6, 0.3], [0.2, 0.8]]

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Инициализирует экземпляр 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.