mini-batch 版交叉熵误差的实现

https://blog.csdn.net/weixin_43114885/article/details/90378914

4.2.4　mini-batch 版交叉熵误差的实现

 

one-hot格式的监督数据

def cross_entropy_error(y, t):
    if y.ndim == 1: #一维数组要把第一维放到第二维，表示只有一条数据
        t = t.reshape(1, t.size) #reshape函数代两维的参数
        y = y.reshape(1, y.size)

    batch_size = y.shape[0] #记下第一维的数值，表示有多少条数据
    return -np.sum(t * np.log(y + 1e-7)) / batch_size 

t为（batch_size,10), y 为（batch_size,10) 

t*logy   结果还是（batch_size,10) 

np.sum 后成为一个数值

y=np.array([[0,1,0.1,0,0,0,0,0,0,0],
            [0,0,0.2,0.8,0,0,0,0,0,0]])
t=np.array([[0,1,0,0,0,0,0,0,0,0],
            [0,0,0,1,0,0,0,0,0,0