0回答
所以基本上我们通常这样定义交叉熵：
`tf.nn.sparse_softmax_cross_entropy_with_logits` `tf.nn.softmax_cross_entropy_with_logits`现在我的标签是这个日志。[
浏览 0提问于2018-07-10得票数 0
回答已采纳
tf.nn.softmax_cross_entropy_with_logits，文档显示它计算了逻辑和标签之间的最大交叉熵，这意味着什么？它不是应用了交叉熵损失函数公式吗？为什么文档说它计算软最大交叉熵？
浏览 5提问于2017-05-22得票数 2
2回答
损失从一开始就等于0
、、、
我的预处理后的训练数据如下所示：010X = tf.placeholder(tf.float32, [None, data_x.shape[1
浏览 13提问于2017-08-18得票数 1
1回答
我建立了一个具有两个隐藏层的神经网络。对于两层，我使用ReLu激活，对于最后一层( out_layer)，我使用线性激活函数。输入值x有125列(特征)。is_training=tf.Variable(True,dtype=tf.bool) cost = tf.reduce_mean(cross_entropy)
with tf.control_
浏览 5提问于2017-10-09得票数 1
2回答
I来自文档的：
计算标签和预测之间的交叉熵损失。当有两个或多个标签类时，使用这个交叉熵损失函数。我们期望标签以整数的形式提供。如果您
浏览 5提问于2020-06-22得票数 2
回答已采纳
DNASeqFoundInProcessCat，->，这是我想预测的标签。它是一个有四个类别的范畴值(found_in_0，->，found_in_3)。我的问题是:对于一组看不见的序列，我希望标签的输出集是‘found_1’，'found_in_2'，'found_in_3‘的多类概率。我想找出的是算法，特别是一个特定的点。我的想法是：df = pd.re
浏览 5提问于2020-04-26得票数 0
2回答
该研究通过测量预测置信度和准确性(DCA)之间的差异，并将其作为辅助项添加到交叉熵损失中，将校准纳入深度学习模型的训练过程。据说DCA项适用于当交叉熵损失减少时应用惩罚，但准确性处于平台期。Pytorch中的代码如下： import torch
def cross_entropy_with_dca_loss(logitsdca = torch.abs(mean
浏览 64提问于2021-08-12得票数 0
回答已采纳
具有logits损失函数的softmax交叉熵用于减少提供给该函数的logits和标签之间的差异。通常，标签是固定的，用于监督学习，并且logits是自适应的。但是，当标签来自可区分的来源时会发生什么呢？两个网络，即"logits网络“和”标签网络“是否都由随后<e
浏览 12提问于2017-12-15得票数 0
所有这些交叉熵损失之间有什么区别？凯拉斯在说
具有logits的Sigmoid交叉<em
浏览 4提问于2017-06-21得票数 40
回答已采纳
prediction = neural_network_model(x) optimizer = tf.train.AdamOptimizer(learning_rate=0.001).minimize(costfloat'))
print('Accuracy:',accuracy.eval({x:test_x,
浏览 1提问于2018-05-30得票数 0
据我所知，数学交叉熵要求其输入之和为1。(from_logits=False).call(y_true, y_pred))
“在上述代码中，raw_predict
浏览 1提问于2021-04-04得票数 2
回答已采纳
1回答
如何在前馈神经网络中鼓励冒险？
、、、、
我第一次真正深入研究神经网络，并试图在没有任何外部数据库的情况下构建经典的“号码识别网络”。在一些初始测试之后，我遇到了我的网络将所有权重保持在令人难以置信的低水平，以便输出几乎为零的问题。我明白为什么会发生这种情况(每次程序得到10个输出中的9个都是正确的！)但很明显，这是我需要阻止的事情。
有谁有关于如何解决这个问题的建议吗？我正在为前馈神经网络使用sigmoid激活函数和交叉熵</em
浏览 3提问于2020-03-23得票数 1
3回答
一种多标签分类模型的评价
、、、、
我目前有一个多标签的分类问题，我正在使用keras构建一个神经网络，如下所示：print(n_cols)
plt.xlabel('Epoch')plt.show()
我被告知，对于多标签分类但是，使用此方法，我将分别得到一个a
浏览 0提问于2020-07-16得票数 0
回答已采纳
1回答
我无法在pytorch中对多标签分类使用损失函数这是我的损失函数： pred = torch.tensor(pred)我也在cross_entropy上尝试过：但是这个错误仍然出现，在pytorch中是否存在用于multi_label分类的内置损失
浏览 6提问于2021-09-24得票数 0
1回答
我的数据被粗略地贴上了一个类别“重要性”的标签。基本上，标签是0..5并且具有相同的含义-它们表示相同的事件，只是具有不同的突出度。想象一个阳光明媚的海滩?，你的数据是波浪在沙子上滚动的力(或者另一种解释-每个波浪传播的距离海滩边缘，并被分成5个箱/类别)。我的问题是-如果我使用稀疏分类交叉点来预测波类别，TF/Keras模型是否会“理解”5比
浏览 13提问于2019-08-11得票数 1
1回答
我试图定义一个两类分类问题的损失函数。但是，目标标签不是硬标签0,1，而是介于0~1之间的浮点数。def cross_entropy(self, pred, target):
loss = -torch.mean(torch.sum(target.flatten() * to
浏览 4提问于2021-12-21得票数 3
为此，我使用了成本函数sigmoid_cross_entropy_with_logits。这个公式：
max(x, 0) - x * z + log(1 +
浏览 0提问于2018-08-16得票数 0
1回答
我有两个问题：我必须遵循的方法是什么？ x = Dense(512, activation='relu')(x) predictions = Dense(1)(x)
所以，只需在一个节点的末尾使用一个密集的层
浏览 0提问于2019-07-04得票数 1
回答已采纳
我有一些解决这个问题的方法，所以我只想了解tensorflow在计算绝对交叉熵时计算的是什么。>>> pred = np.array([[0.0, 1.0], [0.0, 1.0]])>>> pr
浏览 0提问于2020-12-03得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
