categorical_crossentropy VS sparse_categorical_crossentropy

最新推荐文章于 2022-01-29 19:30:44 发布
最新推荐文章于 2022-01-29 19:30:44 发布
阅读量250 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44795555/article/details/102867547
版权
  • If the targets are one-hot encoded, use categorical_crossentropy
    • Examoles of one-hot encodings:
      • [1, 0, 0]
      • [0, 1, 0]
      • [0, 0, 1]
  • If the targets are integers, use sparse_categorical_crossentropy
    • Examples of integer encodings
      • 1
      • 2
      • 3
larkii
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Keras中的多分类损失函数用法categorical_crossentropy
09-16
主要介绍了Keras中的多分类损失函数用法categorical_crossentropy，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
categorical_crossentropy与sparse_categorical_crossentropy到底有什么区别呢？
devinzkx的博客
04-28 1115
categorical_crossentropy和sparse_categorical_crossentropy两者到底有何区别？ 如果 labels 是 one-hot 编码，用 categorical_crossentropy one-hot 编码： 　　[[0, 0, 0], 　　 [1, 0, 0], 　　 [0, 1, 0]] 　　 每条每一行是一个label的编码，1所在的位置代表label 如果你的 tagets 是 数字编码 ，用 sparse_categorical_crossentrop
#浅析# categorical_crossentropy 和 sparse_categorical_crossentropy 的区别
lch551218的博客
01-04 2905
categorical_crossentropy 和 sparse_categorical_crossentropy 都是交叉熵损失函数，使用哪种函数要根据标签的结构来选择 如果样本标签是one-hot编码，则用 categorical_crossentropy函数 　　one-hot 编码：[0, 0, 1], [1, 0, 0], [0, 1, 0] 如果样本标签是数字编码 ，则用sparse_categorical_crossentropy函数 　　数字编码：2, 0, 1 ...
categorical_crossentropy和sparse_categorical_crossentropy的区别
Ruanes的博客
04-25 1583
categorical_crossentropy主要用于目标结果是独热编码(one-hot encoding)，比如： [1,0,0], [0,1,0], [0,0,1] sparse_categorical_crossentropy用于目标结果是个整数(integer)，如1，2，3. 两者计算公式是相同的，所以两者的准确性基本没有差别。 Reference 1.https://jovianli...
DeepLearning1
03-21
면이실수가아닌정수로출력된다면，sparse를，sparse_categorical_crossentropy를사용한다。 例如）model.compile（optimizer ='adam'，损\u5931='sparse_categorical_crossentropy'，指标= ['准确性'] 2.트레닝닝...
主流卷积神经网络结构探索和分析（三）
01-06
主流卷积神经网络结构探索和分析（三）3 VGG16，VGG16_bigConv， ... 函数类A.1.1 categorical_crossentropy 和 sparse_categorical_crossentropy 的区别在哪？A.1.2 keras fit、fit_generator和train_on_batch的区分
基于 LSTM 模型的古诗词自动生成算法实现及系统实现
04-14
本文将LSTM 应用在古诗自动生成技术上，并利用sparse_categorical_crossentropy损失函数和Adam(lr=0.002)优化算法对 LSTM模型进行优化，最后利用 flask 设计web界面进行操作和查看，可以根据提示词生成不同结构的...
深度学习常见概念和keras网络
01-06
深度学习常见概念和keras网络 梯度下降 loss function 优化 keras主要网络 keras建立model 1.梯度下降 随机梯度下降 ...categorical_crossentropy 多分类 （标签已经转为one-hot） sparse_categorical_cro
颜色分类leetcode-Emotion-Detection-From-Facial-Expressions:用于从人脸图像中进行情感分类的卷
07-06
颜色分类leetcode 面部表情的情绪检测 客观的 基于视觉外观的人脸检测、地标检测、性别分类和情感识别在自动美容、娱乐、人机交互、...sparse_categorical_crossentropy 作为损失函数，adam 作为优化器。 ReLU 用作隐
sparse_categorical_crossentropy与categorical_crossentropy区别
追梦小狂魔的博客
02-12 5634
两者都是多分类交叉熵损失函数，区别在于sparse（稀疏），在于对target编码的要求。 1.categorical_crossentropy要求target为onehot编码。 2.sparse_categorical_crossentropy要求target为非onehot编码，函数内部进行onehot编码实现。 例如： 如果你的 targets 是 one-hot 编码，用 categor...
sparse_categorical_crossentropy和SparseCategoricalCrossentropy的用法区别
热门推荐
qq_37297763的博客
05-17 2万+
本文主要介绍两个函数SparseCategoricalCrossentropy和sparse_categorical_crossentropy的区别。 这两个函数的功能都是将数字编码转化成one-hot编码格式，然后对one-hot编码格式的数据（真实标签值）与预测出的标签值使用交叉熵损失函数。 先看一下官网给出的对于两个函数定义： tf.keras.losses.SparseCategoricalCrossentropy( from_logits=False, reduction=losses_util
sparse_categorical_crossentropy和categorical_crossentropy()损失函数比较
小姑仔的博客
05-17 2938
最近在使用sparse_categorical_crossentropy函数的时候，对其中的输入输出内容不是特别的理解， 首先我们看一下交叉熵损失函数的定义 H(p,q)=H(p(x))+Dkl(p∣∣q)=−∑i=1np(xi)ln(p(xi))+∑i=1np(xi)ln(p(xi)q(xi))H(p,q) = H(p(x))+D_{kl}(p||q) = -\sum_{i=1}^{n}p(x_{i})ln(p(x_{i}))+\sum_{i=1}^{n}p(x_{i})ln(\frac{p(x_{i})
categorical_crossentropy VS. sparse_categorical_crossentropy
weixin_30662539的博客
09-17 201
From：https://jovianlin.io/cat-crossentropy-vs-sparse-cat-crossentropy/ categorical_crossentropy 和sparse_categorical_crossentropy 的区别在哪？ 如果你的 targets 是 one-hot 编码，用categorical_crossentropy 　　o...
TensorFlow中两种多分类损失函数categorical_crossentropy和sparse_categorical_crossentropy间的区别
xunyishuai5020的博客
01-29 3890
TensorFlow中，categorical_crossentropy和sparse_categorical_crossentropy都是交叉熵损失函数，它们的数学意义相同，区别仅在于适用于不同的类别标签编码格式。 当输入数据的类别标签采用独热编码（OneHot Encoding）格式时，模型应采用 categorical_crossentropy 损失函数；当输入数据的类别标签采用序号编码（Label Encoding）格式时，模型应采用 sparse_categorical_crossentropy
categorical_crossentropy 和 sparse_categorical_crossentropy的区别
岁月如歌
02-26 9553
在 tf.keras 中，有两个交叉熵相关的损失函数 tf.keras.losses.categorical_crossentropy 和 tf.keras.losses.sparse_categorical_crossentropy 。其中 sparse 的含义是，真实的标签值 y_true 可以直接传入 int 类型的标签类别，即sparse不需要one-hot，而另一个需要。具体而言： lo...
sparse_categorical_crossentropy”和“categorical_crossentropy”损失函数区别
soga235的博客
12-24 532
这个可以参照： (2条消息) 简洁明了的tensorflow2.0教程——用keras实现mnist数字识别_JohnLeeK的博客-CSDN博客_tf.keras.datasets.mnisthttps://blog.csdn.net/JohnLeeK/article/details/106423634和(2条消息) Tensorflow2的MNIST数字识别实例及代码（jupyter长截图）_soga235的博客-CSDN博客https://blog.csdn.net/soga235/articl..
SparseCategoricalCrossentropy()与CategoricalCrossentropy()的区别
qq_40212975的博客
08-26 2102
tf.keras.losses.SparseCategricalCrossentropy()与CategricalCrossentropy()的区别： （1）如果labels是one-hot编码，比如目标是 one-hot 编码： 　　[[0, 1, 0], 　　 [1, 0, 0], 　　 [0, 0, 1]] 每条每一行就是label的编码，使用CategricalCrossentropy() （2）如果目标是数字编码，比如 [1,3,4] 每个数字即是label，使用SparseCategrical
什么是mysql安装配置教程以及学习mysql安装配置教程的意义
最新发布
05-21
mysql安装配置教程
sparse_categorical_crossentropy 公式
05-31
sparse_categorical_crossentropy 的公式如下： $loss = -\frac{1}{N} \sum_{i=1}^{N} \sum_{j=1}^{C} y_{i,j} \log(\hat{y}_{i,j})$ 其中，$N$ 表示样本数，$C$ 表示类别数，$y_{i,j}$ 表示第 $i$ 个样本的第 $j$ 个类别的真实标签，$\hat{y}_{i,j}$ 表示模型预测的第 $i$ 个样本的第 $j$ 个类别的概率。这里需要注意的是，$y_{i,j}$ 取值为 0 或 1，表示第 $i$ 个样本是否属于第 $j$ 个类别。当 $y_{i,j}$ 为 0 时，对应的 $\log(\hat{y}_{i,j})$ 不参与计算。 与 categorical_crossentropy 相比，sparse_categorical_crossentropy 不需要将 $y_{i,j}$ 转换成 one-hot 编码形式，可以直接使用整数形式的标签。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值