SoftmaxCrossEntropyWithLogits

คำนวณเอนโทรปีข้าม softmax ระหว่าง logits และ labels

วัดข้อผิดพลาดของความน่าจะเป็นในงานการจำแนกประเภทแบบแยกซึ่งคลาสไม่เกิดร่วมกัน (แต่ละรายการอยู่ในคลาสเดียวเท่านั้น) ตัวอย่างเช่น รูปภาพ CIFAR-10 แต่ละรูปจะมีป้ายกำกับเพียงป้ายกำกับเดียวเท่านั้น รูปภาพอาจเป็นสุนัขหรือรถบรรทุกก็ได้ แต่ไม่ใช่ทั้งสองอย่าง

บันทึก:

แม้ว่าคลาสจะแยกจากกัน แต่ก็ไม่จำเป็นต้องมีความน่าจะเป็น สิ่งที่ต้องทำก็แค่แต่ละแถวของ labels เป็นการแจกแจงความน่าจะเป็นที่ถูกต้อง หากไม่เป็นเช่นนั้น การคำนวณการไล่ระดับสีจะไม่ถูกต้อง

หากใช้ labels พิเศษ (โดยที่คลาสเดียวเท่านั้นเป็นจริงในแต่ละครั้ง) โปรดดู ERROR(/org.tensorflow.op.NnOps#sparseSoftmaxCrossEntropyWithLogits)

การใช้งาน:

   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 }
 

การเผยแพร่ย้อนกลับจะเกิดขึ้นทั้งใน logits และ labels หากต้องการไม่อนุญาตให้มีการแพร่กระจายกลับเข้าไปใน labels ให้ส่งผ่าน label tensor ผ่าน tf.stopGradient ก่อนที่จะป้อนให้กับฟังก์ชันนี้