文章/答案/技术大牛

发布

社区首页 >问答首页 >Tensorflow，tf.nn.sparse_softmax_cross_entropy_with_logits与tf.nn.softmax_cross_entropy_with_logits的区别

问Tensorflow，tf.nn.sparse_softmax_cross_entropy_with_logits与tf.nn.softmax_cross_entropy_with_logits的区别
EN

Stack Overflow用户

提问于 2016-12-22 12:23:08

回答 1查看 2K关注 0票数 4

我读过这两种功能的文档，但据我所知，对于函数tf.nn.softmax_cross_entropy_with_logits(logits, labels, dim=-1, name=None)，结果是交叉熵损失，其中logits和labels的维数是相同的。

但是，对于函数tf.nn.sparse_softmax_cross_entropy_with_logits，logits和labels的维度并不相同？

你能给出一个更详细的tf.nn.sparse_softmax_cross_entropy_with_logits例子吗？

回答已采纳

发布于 2016-12-22 14:08:52

不同之处在于，tf.nn.softmax_cross_entropy_with_logits并不认为这些类是相互排斥的：

度量离散分类任务中的概率误差，其中每个类是独立的，不相互排斥的。例如，一个人可以执行多标签分类，其中一个图片可以同时包含大象和狗。

与sparse_*的比较

度量离散分类任务中的概率错误，其中类是互斥的(每个条目正好在一个类中)。例如，每个CIFAR-10图像都有一个并且只有一个标签:图像可以是狗，也可以是卡车，但不能两者兼而有之。

因此，对于稀疏函数，logits和labels的维数并不相同：labels每个示例包含一个数字，而logits则包含每个示例的类数，表示概率。

票数 5

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/41283115

复制

相似问题

问Tensorflow，tf.nn.sparse_softmax_cross_entropy_with_logits与tf.nn.softmax_cross_entropy_with_logits的区别EN