SoftmaxCrossEntropyWithLogits

Tính toán entropy chéo softmax giữa logits và labels .

Đo lường sai số xác suất trong các nhiệm vụ phân loại riêng biệt trong đó các lớp loại trừ lẫn nhau (mỗi mục nằm trong chính xác một lớp). Ví dụ: mỗi hình ảnh CIFAR-10 được gắn nhãn bằng một và chỉ một nhãn: hình ảnh có thể là một con chó hoặc một chiếc xe tải, nhưng không được cả hai.

GHI CHÚ:

Mặc dù các lớp loại trừ lẫn nhau nhưng xác suất của chúng không nhất thiết phải như vậy. Tất cả những gì cần thiết là mỗi hàng labels là một phân bố xác suất hợp lệ. Nếu không, việc tính toán gradient sẽ không chính xác.

Nếu sử dụng labels độc quyền (trong đó một và chỉ một lớp là đúng tại một thời điểm), hãy xem ERROR(/org.tensorflow.op.NnOps#sparseSoftmaxCrossEntropyWithLogits)

Cách sử dụng:

   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 }
 

Lan truyền ngược sẽ xảy ra ở cả logits và labels . Để không cho phép lan truyền ngược vào labels , hãy chuyển các tenxơ nhãn qua tf.stopGradient trước khi đưa nó vào hàm này.