tf.nn.softmax_cross_entropy_with_logits交叉熵损失函数

最新推荐文章于 2022-05-13 19:20:54 发布

原创最新推荐文章于 2022-05-13 19:20:54 发布 · 333 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

当前文章被以下社区和专栏收录：

本文深入解析了TensorFlow中tf.nn.softmax_cross_entropy_with_logits函数的工作原理，解释了如何使用该函数计算分类问题的交叉熵损失，并指出其返回值是一个向量，需进一步使用tf.reduce_sum求和以得到总损失。

tf.nn.softmax_cross_entropy_with_logits函数在TensorFlow中计算分类问题交叉熵损失函数时会用到。

这个函数的返回值不是一个数，而是一个向量。如果要求最终的交叉熵损失，我们需要再做一步tf.reduce_sum操作，即对向量中的所有元素求和。

让我们以具体示例来说明tf.nn.softmax_cross_entropy_with_logits函数是怎样工作的：
————————————————
版权声明：本文为CSDN博主「烟雨风渡」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/tszupup/article/details/88805770