SoftmaxCrossEntropyWithLogits

يحسب الانتروبيا المتقاطعة softmax بين logits labels .

يقيس الخطأ الاحتمالي في مهام التصنيف المنفصلة التي تكون فيها الفئات حصرية بشكل متبادل (كل إدخال في فئة واحدة بالضبط). على سبيل المثال، يتم تصنيف كل صورة من صور CIFAR-10 بتسمية واحدة فقط: يمكن أن تكون الصورة كلبًا أو شاحنة، ولكن ليس كليهما.

ملحوظة:

في حين أن الفئات متنافية، فإن احتمالاتها لا تحتاج إلى أن تكون كذلك. كل ما هو مطلوب هو أن يكون كل صف من labels عبارة عن توزيع احتمالي صالح. إذا لم تكن كذلك، سيكون حساب التدرج غير صحيح.

في حالة استخدام labels حصرية (حيث تكون فئة واحدة فقط صحيحة في كل مرة)، راجع ERROR(/org.tensorflow.op.NnOps#sparseSoftmaxCrossEntropyWithLogits)

الاستخدام:

   Operand<TFloat32> logits =
       tf.constant(new float[][] { {4.0F, 2.0F, 1.0F}, {0.0F, 5.0F, 1.0F} } );
   Operand<TFloat32> labels =
       tf.constant(new float[][] { {1.0F, 0.0F, 0.0F}, {0.0F, 0.8F, 0.2F} } );
   Operand<TFloat32> output =
       tf.nn.softmaxCrossEntropyWithLogits(labels, logits, -1);
   // output Shape = [2]
   // dataType = FLOAT (1)
   // values { 0.169846, 0.824745 }
 

سيحدث الانتشار العكسي في كل من logits labels . لمنع الانتشار العكسي في labels ، قم بتمرير موترات التسمية من خلال tf.stopGradient قبل إدخالها إلى هذه الوظيفة.