sparse_categorical_crossentropy()缺少两个必需的位置参数：“y_true”和“y_pred”
sparse_categorical_crossentropy()是一种常用的损失函数，用于多分类问题中。它是交叉熵损失函数的一种变体，适用于标签是整数形式的情况。
该函数的两个必需的位置参数是“y_true”和“y_pred”。其中，“y_true”是真实的标签值，通常是一个整数数组，表示样本的真实类别。而“y_pred”是模型预测的标签值，通常是一个概率分布数组，表示样本属于各个类别的概率。
sparse_categorical_crossentropy()的计算方式是将“y_true”转换为独热编码形式，然后计算交叉熵损失。它的优势在于可以处理多分类问题，并且不需要手动进行独热编码的转换。
应用场景： sparse_categorical_crossentropy()适用于多分类问题，例如图像分类、文本分类等。在这些问题中，标签通常是整数形式，而不是独热编码形式。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多种云计算相关产品，包括云服务器、云数据库、人工智能服务等。以下是一些相关产品的介绍链接地址：
- 云服务器（ECS）：https://cloud.tencent.com/product/cvm
- 云数据库（CDB）：https://cloud.tencent.com/product/cdb
- 人工智能服务（AI）：https://cloud.tencent.com/product/ai
请注意，以上链接仅供参考，具体的产品选择应根据实际需求进行评估和决策。
相关·内容
不幸的是，在keras库中使用Bert的文档很少。ValueError):SEARC
浏览 260提问于2021-04-11得票数 0
回答已采纳
我正在处理一个数值和分类值(时间序列)的数据集。这是变量的示例：前两个是数值变量，C和D是一个热表示的范畴变量。def mixed_num_cat_loss_backend(y_true, y_pred, signals_splits):
if is
浏览 2提问于2018-02-18得票数 0
回答已采纳
2回答
奇怪的事情就是从这里开始的def sparse_categorical_crossentropy(y_true,<em
浏览 0提问于2019-07-03得票数 0
回答已采纳
(ctc_lambda_func, output_shape=(1,), name="ctc")是函数"Lambda“的参数，但是([output, labels, input_length, label_length])的参数是什么？(y_true，y_pred)
squared_hinge(y_true
浏览 4提问于2017-07-08得票数 2
1回答
我的模型拱门是
我有两个输出，我想训练一个基于两个输出的模型，比如mse，和交叉熵。一开始，我用了两个角损失它工作得很好，问题是交叉熵损失非常不
浏览 2提问于2022-07-21得票数 0
我想画出我训练过的模型的混淆矩阵，但当我试图画出我的混淆矩阵时，我却陷入了困境。没有。对于预测值和实际值的样本是相同的，两个参数的长度是相同的，但仍然存在抛出误差。TypeError: plot_confusion_matrix()缺少一个必需的位置参数：'y_true‘
这是我的</e
浏览 14提问于2021-02-11得票数 1
我想知道为什么当输入两个相同形状和相同内容的张量时，我会得到调用sparse_categorical_crossentropy损失函数时得到的错误。, from_logits=True)/tensorflow-2.1.0/python3.6/tensorflow_core/python/keras/losses.py in sparse_categorical_crossentropy(y_true
浏览 35提问于2020-03-02得票数 0
1回答
张量的加权平均
、、
我正在尝试在keras框架中实现一个自定义的目标函数。分别采用两个参数张量y_true和y_pred的加权平均函数；权重信息来自y_true张量。函数( y_true，y_pred) A=(y_ y_true -y_pred)**2 w-可
浏览 10提问于2017-02-02得票数 4
损失只应考虑标签为1或0的样本，而忽略带有标签-1的样本(即缺少标签)。我找到了一个binary_crossentropy函数，但是我无法为它实现一个softmax版本。这是binary_crossentropy return K.mean(K.binary_crossentropy编辑使用sparse_categ
浏览 0提问于2019-05-27得票数 2
以下是当前的函数。在这里，它从MSE中删除所有y_true小于阈值的值(这里是0.1)。相反，我只想消除那些y_true和y_pred都小于某个阈值的值。这是因为它需要首先学习如何预测0，然后在稍后的训练中忽略这些点。 然而，这不能编译。BOTH y_true & y_pred < threshold
loss = tf.where(y_true<0.1 and
浏览 45提问于2021-08-09得票数 1
回答已采纳
1回答
在编译模型时，将参数丢失传递给编译函数。例如：
Model.compile(损失=‘均方_误差’，优化器=‘adam’)但是我很好奇在Keras中是否有一种方法可以传递我自己的成本函数？
浏览 2提问于2018-06-18得票数 2
回答已采纳
导入库和模型，import kerasfrom keras.modelsOptimizerloss = keras.losses.categorical_crossentropy()
TypeError: categorical_crossentropy() missi
浏览 1提问于2020-09-07得票数 6
回答已采纳
基本上我知道，如果我使用accuracy_score ()函数(例如，从sklearn库中)，它会像这样计算不同值到不同值的精度：y_true = [0,1, 2, 3]0.5y_pre
浏览 30提问于2017-08-31得票数 0
回答已采纳
我想使用sklearn.metrics.recall_score来评估二值图像分割任务的召回率。actual_mask和predicted_mask是整数为0和1的numpy数组。在我看来，并不清楚这种做法不应该奏效：
y_true:一维数组
浏览 2提问于2021-03-05得票数 1
回答已采纳
name=name, reduction=tf.keras.losses.Reduction.NONE) return triplet_semihard_loss(y_true, y_pred, self.margin)
我不明白call方法是怎么回事，它返回基类函数，给出了y_true和y_pred ndarray，但是它
浏览 5提问于2019-12-09得票数 0
2回答
def mask_MAE (y_true, y_pred, mask):# mask = 0 or 1 return
浏览 3提问于2021-09-29得票数 1
回答已采纳
我想做的也是跟踪f1，精确和每个时代的召回。class Metrics:
self.y_true = y_trueself.y_pred = y_pred
浏览 0提问于2019-03-17得票数 1
回答已采纳
我正在努力评估我的随机森林的性能-我已经查看了平均相对误差，但我不确定它是否是一个好的指标。有哪些需要检查的东西？from sklearn.e
浏览 0提问于2018-06-11得票数 3
我读过关于sklearn中使用的度量标准的文章，但我发现下面的内容非常混乱：在文档中，sklearn提供了一个用法示例，如下所示：from sklearn.metricsimport accuracy_scorey_true = [0, 1, 2, 3]0.5as np
from sklearn.metrics import a
浏览 7提问于2016-06-06得票数 5
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
