tensorflow中同时两个损失函数_tensorflow 分类损失函数使用小记

多分类损失函数

label.shape:[batch_size]; pred.shape: [batch_size, num_classes]

使用 tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred, from_logits=False, axis=-1)

- y_true 真实值， y_pred 预测值

- from_logits,我的理解是，如果预测结果经过了softmax(单次预测结果满足和为1)就使用设为`False`,

如果预测结果未经过softmax就设为`True`.

pred = tf.convert_to_tensor([[0.9, 0.05, 0.05], [0.5, 0.89, 0.6], [2.05, 0.01, 0.94]])

label = tf.convert_to_tensor([0, 1, 2])

loss = tf.keras.losses.sparse_categorical_crossentropy(label, pred)

print(loss.numpy())

# 包含 reduction 参数, 用于对一个批次的损失函数求平均值,求和等

# loss = tf.keras.losses.SparseCategoricalCrossentropy()(label, pred)

label.shape:[batch_size, num_classes](one_hot);pred.shape:[batch_size, num_classes]

使用 tf.keras.losses.categorical_crossentropy(y_true, y_pred, from_logits=False, axis=-1)

<