tensorflow损失函数

1、softmax交叉熵损失函数

tf.nn.softmax_cross_entropy_with_logits(logits= Network.out, labels= Labels_onehot)

参数为网络最后一层的output和经过ont-hot编码的lables数据，softmax把一个k维的真实值向量，映射成一个每个值都是0-1区间的k维向量，可以取权重最大的一维进行多分类的任务。

 

2、稀疏softmax交叉熵损失函数

tf.nn.sparse_softmax_cross_entropy_with_logits (logits=Network.out, labels= Labels)

参数为网络最后一层的output和没有经过ont-hot编码的lables数据

 

3、sigmoid交叉熵损失函数：先进行sigmoid操作之后再计算交叉熵的损失函数

tf.nn. sigmoid_cross_entropy_with_logits (logits= Network.out, labels= Labels_onehot)

参数和 softmax 交叉熵损失函数一致，sigmoid将一个真实值标量映射到（0,1）的区间，用来做二分类任务。

 

4、带权重的交叉熵损失函数

tf.nn.weighted_cross_entropy_with_logits (logits=Network.out, labels=Labels_onehot, pos_weight=decimal_number)

加入一个pos_weight系数，可以适当的增大或者缩小正样本的loss，一定程度上解决正负样本数量差距过大的问题。