TensorFlow函數教程：tf.nn.softmax_cross_entropy_with_logits_v2

tf.nn.softmax_cross_entropy_with_logits_v2函數

tf.nn.softmax_cross_entropy_with_logits_v2(
    _sentinel=None,
    labels=None,
    logits=None,
    dim=-1,
    name=None
)

定義在：tensorflow/python/ops/nn_ops.py。

計算logits和labels之間的softmax交叉熵。

測量離散分類任務中的概率誤差，其中類是互斥的（每個條目恰好在一個類中）。例如，每個CIFAR-10圖像都標有一個且只有一個標簽：圖像可以是dog或truck，但不能同時是兩者。

注意：雖然這些類是互斥的，但它們的概率不一定如此。所需要的只是每一行l(wèi)abels是有效的概率分布。如果不是，則梯度的計算將是不正確的。

如果使用專屬labels（其中一次只有一個類為true），請參閱sparse_softmax_cross_entropy_with_logits。

警告：此操作需要未縮放的日志，因為它在內部的logits執(zhí)行l(wèi)ogmax以提高效率。不要使用softmax的輸出調用此操作，因為它會產生不正確的結果。

常見的用例是具有shape [batch_size，num_classes]的logits和labels，但支持更高的維度，dim參數指定類維度。

logits和labels必須具有相同的類型（可以是float16，float32，或float64）。

反向傳播將發(fā)生在logits和labels。為了禁止反向傳播labels，請先將標簽張量傳遞給tf.stop_gradient，然后再將其傳遞給此函數。

請注意，為避免混淆，需要僅將命名參數傳遞給此函數。

參數：

• _sentinel：用于防止positional參數。內部的，不要使用。
• labels：沿著類維度的每個向量應該保持有效的概率分布，例如：對于標簽的shape為[batch_size, num_classes]的情況，labels[i]的每一行必須是有效的概率分布。
• logits：未縮放的日志概率。
• dim：班級維度。默認為-1，這是最后一個維度。
• name：操作的名稱（可選）。

返回：

一個Tensor，包含softmax交叉熵損失。它的類型與logits相同，它的shape與labels是相同的，除了它沒有l(wèi)abels的最后一個維度。