mxnet CrossEntropy 测试

AI算法网奇

于 2021-05-12 16:54:29 发布

阅读量1.8k

点赞数

分类专栏： mxnet 深度学习宝典

本文链接：https://blog.csdn.net/jacke121/article/details/116714213

版权

深度学习宝典同时被 2 个专栏收录

984 篇文章 713 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

mxnet

58 篇文章 3 订阅

订阅专栏

本文详细介绍了MXNet中CrossEntropy损失函数的使用，包括其在深度学习模型训练过程中的作用，以及如何在实践中应用和优化。通过实例解析，帮助读者深入理解这一关键的损失计算方法。

摘要由CSDN通过智能技术生成

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import os
# import sys
# import math

import mxnet as mx
import mxnet.gluon.loss as gloss
# 
import numpy as np

a = np.zeros((2,3))
b = np.zeros((2,1))
pred = mx.nd.array(a)
label = mx.nd.array(b)
loss = gloss.SoftmaxCrossEntropyLoss()
print("loss",loss(pred, label).asnumpy())



def _softmax(x):
    step1 = x.exp()
    step2 = step1.sum(axis=1,keepdims=True)
    return step1 / step2
ce = mx.metric.CrossEntropy()

ce.update(label, _softmax(pred))
loss = ce.get()

print(loss)

常见函数笔记