tf.nn.sampled_softmax_loss

Вычисляет и возвращает примерное значение потерь мягкой максимальной функции для обучения.

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 для огромного количества классов.

Этот оператор предназначен только для обучения. Как правило, он является недооценкой полной функции потерь softmax.

Типичный случай использования – применение этого метода для обучения, а вычисление полной функции потерь softmax для оценки или инференции, как показано 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 выборки кандидатов

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

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