交叉熵损失Cross entropy loss function

交叉熵是信息论中的一个重要概念，主要用于度量两个概率分布间的差异性，在深度学习中，一般用来求目标与预测值之间的差距。

信息论

交叉熵是信息论中的一个概念，要想了解交叉熵的本质，需要先从最基本的概念讲起。

1 信息量

信息量和事件发生的概率有关。

可见该函数符合我们对信息量的直觉 ，概率越大，信息量就越小。

2 熵

考虑另一个问题，对于某个事件，有n种可能性，每一种可能性都有一个概率p(xi)。

我们现在有了信息量的定义，而**熵**用来表示所有信息量的期望，即：

然而有一类比较特殊的问题，比如投掷硬币只有两种可能，字朝上或花朝上。买彩票只有两种可能，中奖或不中奖。我们称之为0-1分布问题（二项分布的特例），对于这类问题，熵的计算方法可以简化为如下算式：

3 相对熵（KL散度）

相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x)，我们可以使用 KL 散度（Kullback-Leibler (KL) divergence）来衡量这两个分布的差异

KL散度的计算公式：

n为事件的所有可能性。DKL的值越小，表示q分布和p分布越接近

4 交叉熵

对上式变形可以得到：

等式的前一部分恰巧就是p的熵，等式的后一部分，就是交叉熵
KL散度 = 交叉熵 - 信息熵

交叉熵公式表示为：

在机器学习中，我们需要评估label和predicts之间的差距，使用KL散度刚刚好，即DKL(y||y^)，由于KL散度中的前一部分−H(y)不变，故在优化过程中，只需要关注交叉熵就可以了。所以一般在机器学习中直接用用交叉熵做loss，评估模型。

机器学习中交叉熵的应用

1 为什么要用交叉熵做loss函数？

在线性回归问题中，常常使用MSE（Mean Squared Error）作为loss函数，比如：

这里的m表示m个样本的，loss为m个样本的loss均值。
MSE在线性回归问题中比较好用，那么在逻辑分类问题中还是如此么？

2 交叉熵在单标签多分类

这里的单类别是指，每一张图像样本只能有一个类别，比如只能是狗或只能是猫。

单标签时，每张图片的损失是一个交叉熵，交叉熵针对的是所有类别（所有类别概率和是1）

交叉熵在单分类问题上基本是标配的方法

上式为一张样本的loss计算方法。式中n代表着n种类别。
举例说明,比如有如下样本

3 交叉熵在多标签分类

这里的多类别是指，每一张图像样本可以有多个类别，比如同时包含一只猫和一只狗

多标签时，每张图片的损失是N个交叉熵之和（N等于类别数），交叉熵针对的是单个类别（单个类别概率和是1）

和单分类问题的标签不同，多分类的标签是n-hot。
比如下面这张样本图，即有青蛙，又有老鼠，所以是一个多分类问题

值得注意的是，这里的Pred不再是通过softmax计算的了，这里采用的是sigmoid。将每一个节点的输出归一化到[0,1]之间。所有Pred值的和也不再为1。换句话说，就是每一个Label都是独立分布的，相互之间没有影响。所以交叉熵在这里是单独对每一个节点进行计算，每一个节点只有两种可能值，所以是一个二项分布。前面说过对于二项分布这种特殊的分布，熵的计算可以进行简化。

同样的，交叉熵的计算也可以简化，即

注意，上式只是针对一个节点的计算公式。这一点一定要和单分类loss区分开来。
例子中可以计算为：

学习过程

交叉熵损失函数经常用于分类问题中，特别是在神经网络做分类问题时，也经常使用交叉熵作为损失函数，此外，由于交叉熵涉及到计算每个类别的概率，所以交叉熵几乎每次都和sigmoid(或softmax)函数一起出现。

我们用神经网络最后一层输出的情况，来看一眼整个模型预测、获得损失和学习的流程：

1. 神经网络最后一层得到每个类别的得分scores；
2. 该得分经过sigmoid(或softmax)函数获得概率输出；
3. 模型预测的类别概率输出与真实类别的one hot形式进行交叉熵损失函数的计算。

参考（感谢）
https://zhuanlan.zhihu.com/p/35709485