SoftmaxCrossEntropyWithLogits

logits ve labels arasındaki softmax çapraz entropiyi hesaplar.

Sınıfların birbirini dışladığı (her giriş tam olarak bir sınıftadır) ayrık sınıflandırma görevlerindeki olasılık hatasını ölçer. Örneğin, her CIFAR-10 görüntüsü tek ve tek bir etiketle etiketlenir: bir görüntü bir köpek veya bir kamyon olabilir, ancak her ikisi birden olamaz.

NOT:

Sınıflar birbirini dışlayan olsa da olasılıklarının öyle olması gerekmez. Gerekli olan tek şey, her labels satırının geçerli bir olasılık dağılımı olmasıdır. Aksi takdirde eğimin hesaplanması yanlış olacaktır.

Özel labels kullanıyorsanız (aynı anda yalnızca bir sınıfın doğru olduğu durumda), bkz. ERROR(/org.tensorflow.op.NnOps#sparseSoftmaxCrossEntropyWithLogits)

Kullanımı:

   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 }
 

Geri yayılım hem logits hem de labels gerçekleşecektir. labels geri yayılmaya izin vermemek için, etiket tensörlerini bu işleve beslemeden önce tf.stopGradient aracılığıyla geçirin.