交叉熵的计算

在学习孪生神经网络的时候，讲到Loss计算的时候，看到了一个概念——交叉熵，查了有关资料之后，觉得得到了答案，所以跟大家分享一下。我先附一下我看到的交叉熵是用在哪的。

对于孪生神经网络而言，其具有两个输入：

当两个输入指向同一个类型的图片时，此时标签为1。

当两个输入指向不同类型的图片时，此时标签为0。

然后将网络的输出结果和真实标签进行交叉熵运算，就可以作为最终的loss了。

当我们输入如下两个相似图片甚至同一图片的时候，我们希望网络的输出为1。
我们会将预测结果和1求交叉熵。

当我们输入两个不相似图片的时候，我们希望网络的输出为0。
我们会将预测结果和0求交叉熵。

那么交叉熵是怎么运算的呢？
先来看一下公式：

再来看一个别人发过的例子：

希望能帮到大家！
参考：https://blog.csdn.net/m0_37727776/article/details/80479214?ops_request_misc=%257B%2522request%255Fid%2522%253A%2