图像识别中常用到的函数解析
1.损失函数
计算labels和logits之间的交叉熵(cross entropy)
tf.nn.softmax_cross_entropy_with_logits(
_sentinel=None,
labels=None,
logits=None,
dim=-1,
name=None
)
通常使用两个参数:
参数logits 为识别模型的输出结果,logits是作为softmax的输入。也就是不包含softmax层的模型的输出结果。
参数label的含义就是一个分类标签,所有类别的分类的概率,比如说[0.2,0.3,0.5],labels的每一行必须是一个概率分布。
2. 在多个分类上的概率分布情况
tf.nn.softmax(logits, axis=None, name=None, dim=None)
其中参数logits为模型的输出结果。
Softmax的工作则是&