cross-entropy loss
L=−[ylogy^+(1−y)log(1−y^)]L=-[ylog\ \hat y+(1-y)log\ (1-\hat y)]L=−[ylog y^+(1−y)log (1−y^)]
y为真实值，y^\hat yy^为预测，交叉熵损失函数可以衡量y与y^\hat yy^的相似性。

cross-entropy loss用于二分类问题(假设是0,1),最后一层要使用sigmoid函数配合,输出值使用one-hot编码.(此外Categorical cross-entropy配合softmax层用于多分类问题)

下例中有4个样本,y_pred和y_true都有[batch_size]

bce = tf.keras.losses.BinaryCrossentropy()
loss = bce([0., 0., 1., 1.], [1., 1., 1., 0.])
print('Loss: ', loss.numpy())  # Loss: 11.522857

init

__init__(from_logits=False,label_smoothing=0,reduction=losses_utils.ReductionV2.AUTO,name='binary_crossentropy'
)

参数	描述
from_logits
label_smoothing
reduction
name

call

__call__(y_true,y_pred,sample_weight=None
)

参数	描述
y_true
y_pred
sample_weight

参考:
https://blog.csdn.net/koreyoshichen/article/details/84823636
https://blog.csdn.net/zwqjoy/article/details/78952087
https://blog.csdn.net/red_stone1/article/details/80735068

TensorFlow tf.keras.losses.BinaryCrossentropy相关推荐

tf.keras.losses.BinaryCrossentropy 损失函数示例
import tensorflow as tf 计算真实标签和预测标签之间的交叉熵损失. 将此交叉熵损失用于二进制(0 或 1)分类应用程序.即2分类问题参数 y_true (真实标签):此值为 0 ...
TensorFlow tf.keras.losses.SparseCategoricalCrossentropy 、 categorical_crossentropy
categorical_crossentropy VS. sparse_categorical_crossentropy 转载qq_42961707 最后发布于2019-07-13 22:10:12 ...
tensorflow tf.keras.losses.MeanSquaredError 均方差损失函数示例
import tensorflow as tf import numpy as np 公式 error=1m∑i=1m(xi−yi)2error = \frac{1}{m}\sum_{i=1}^{m} ...
TensorFlow tf.keras.losses.CategoricalCrossentropy
用于多分类问题,传入的是one-hot编码目标,如果是int类型的编码目标,使用SparseCategoricalCrossentropy 下面这个例子中y_pred和y_true的形状是[batch ...
TensorFlow tf.keras.losses.CategoricalHinge
铰链损失函数(Hinge Loss)主要用于SVM中,最大化分割超平面的距离 ch = tf.keras.losses.CategoricalHinge() loss = ch([0., 1., 1. ...
TensorFlow tf.keras.losses.MeanSquaredError
均方误差(mean-square error, MSE) mse = tf.keras.losses.MeanSquaredError() loss = mse([0., 0., 1., 1.], [ ...
TensorFlow tf.keras.losses.SparseCategoricalCrossentropy
下面的例子,y_true的形状是[batch_size],y_pred的形状是[batch_size,num_class]. 也就是说y_pred经过softmax层之后,是one-hot编码,Spa ...
tf.keras.losses.CategoricalCrossentropy 多分类交叉熵损失函数示例
文章目录计算公式计算过程 tf.keras.losses.CategoricalCrossentropy 实现 numpy 实现 import numpy as np import tensorf ...
tf.keras.losses.categorical_hinge 分类铰链损失函数示例
分类铰链预测值应为 {-1, +1} or {0, 1} neg=max((1−正确值)×预测值)neg=max((1-正确值)\times 预测值)neg=max((1−正确值)×预测值) pos ...

TensorFlow tf.keras.losses.BinaryCrossentropy

init

call

TensorFlow tf.keras.losses.BinaryCrossentropy相关推荐

最新文章

热门文章