TensorFlow函數(shù)：tf.losses.softmax_cross_entropy

tf.losses.softmax_cross_entropy函數(shù)

tf.losses.softmax_cross_entropy(
    onehot_labels,
    logits,
    weights=1.0,
    label_smoothing=0,
    scope=None,
    loss_collection=tf.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

定義在：tensorflow/python/ops/losses/losses_impl.py.

使用tf.nn.softmax_cross_entropy_with_logits創(chuàng)建交叉熵(cross-entropy)loss.

weights作為loss的系數(shù).如果提供了標量,那么loss只是按給定值縮放.如果weights是形狀為[batch_size]的張量,則loss權重適用于每個相應的樣本.

如果label_smoothing非零,則將標簽平滑為：1/num_classes: new_onehot_labels = onehot_labels * (1 - label_smoothing) + label_smoothing / num_classes

參數(shù)：

• onehot_labels：[batch_size, num_classes]目標是一個hot-encoded標簽.
  
• logits：[batch_size, num_classes]logits網(wǎng)絡的輸出.
• weights：可選的Tensor,其秩為0或1,并且可以廣播到形狀為[batch_size]的Tensor的loss.
• label_smoothing：如果大于0,則平滑標簽.
• scope：計算loss時執(zhí)行的操作范圍.
• loss_collection：將添加loss的集合.
• reduction：適用于loss的減少類型.

返回：

與logits具有相同類型的加權損失Tensor.如果reduction是NONE,這有形狀[batch_size]；否則,它是標量.

可能引發(fā)的異常：

• ValueError：如果logits的形狀與onehot_labels不匹配,或weights的形狀無效,或者如果weights是None,如果onehot_labels或logits是None.