TensorFlow tf.keras.losses.BinaryCrossentropy
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 ...
最新文章
- 使用Windows Azure创建移动服务
- eclipse中folder、source folder和package的区别
- 蓝桥杯 入门训练 圆的面积
- 用PS为网迅安卓公司设计基于安卓平台的手机应用图标
- mysql常见内置函数
- golang map转json的顺序问题
- android 打地鼠,Android实现打地鼠小游戏
- ktv收银管理系统服务器,ktv收银管理系统.pdf
- get和post的区别
- 程序员眼中的中国传统文化-王阳明《传习录》3
- 计算机怎样设置默认美式键盘,完美:如何在win10系统中将默认输入法设置为美式键盘...
- VScode插件Markdown Preview Enhanced自定义字体style
- P2184 贪婪大陆(线段树)
- 【Python网络蜘蛛 · 8】:moviepy模块实现音频+视频的合成
- 单位圆的面积为π,因此可以通过求单位圆面积的近似值来求π的近似值
- 区块链国家队BSN落地杭州,5大应用加速“城市大脑”进化
- 四种最优化方法复盘总结
- 中南大学计算机辅助工艺设计,中南大学计算机辅助制造 实验报告1.pdf
- 升级CocoaPods 1.0.0问题解决汇总
- Android RecyclerView实现图片自适应高度的瀑布流
热门文章
- python url编码_python url编码和解码
- 2061:【例1.2】梯形面积【入门题】
- Python版快速排序算法
- Java递归一个四十万的树结构_java递归展示树形图代码实现以及遇到的问题
- 只用一个循环实现层序遍历
- 力扣1047. 删除字符串中的所有相邻重复项(JavaScript)
- html十css十javascript,html代码,css代码,JavaScript代码, | 重蔚自留地
- python生成器函数_Python 编写生成器函数
- python定义一个字符串后怎么修改_python基础--字符串操作详解
- c语言 程序结集,c语言(结体程序设计).doc