tf.nn.softmax_cross_entropy_with_logits的用法
2018-03-06 14:29
721 查看
tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)
除去name参数用以指定该操作的name,与方法有关的一共两个参数:
第一个参数logits:就是神经网络最后一层的输出,未经过soft_max
第二个参数labels:实际的标签,需要是one-hot格式
具体的执行流程大概分为两步:
第一步是先对网络最后一层的输出做一个softmax
softmax的公式是:
第二步是softmax的输出向量[Y1,Y2,Y3…]和样本的实际标签做一个交叉熵,公式如下:
注意!!!因为一个batch一般不止一组数据,所以softmax_cross_entropy_with_logits得到的是一组向量,向量的长度就是batch_size ,我们要再做一步tf.reduce_sum操作,就是对向量里面所有元素求和
与此相识的一个函数是tf.nn.sparse_softmax_cross_entropy_with_logits ,这个函数的输入”不是one-hot格式!!”
理论讲完了,上代码
这个代码展示两个函数的区别
除去name参数用以指定该操作的name,与方法有关的一共两个参数:
第一个参数logits:就是神经网络最后一层的输出,未经过soft_max
第二个参数labels:实际的标签,需要是one-hot格式
具体的执行流程大概分为两步:
第一步是先对网络最后一层的输出做一个softmax
softmax的公式是:
第二步是softmax的输出向量[Y1,Y2,Y3…]和样本的实际标签做一个交叉熵,公式如下:
注意!!!因为一个batch一般不止一组数据,所以softmax_cross_entropy_with_logits得到的是一组向量,向量的长度就是batch_size ,我们要再做一步tf.reduce_sum操作,就是对向量里面所有元素求和
与此相识的一个函数是tf.nn.sparse_softmax_cross_entropy_with_logits ,这个函数的输入”不是one-hot格式!!”
理论讲完了,上代码
import tensorflow as tf # our NN's output logits = tf.constant([[1.0, 2.0, 3.0], [1.0, 2.0, 3.0], [1.0, 2.0, 3.0]]) # step1:do softmax y = tf.nn.softmax(logits) # true label y_ = tf.constant([[0.0, 0.0, 1.0], [0.0, 0.0, 1.0], [0.0, 0.0, 1.0]]) # step2:do cross_entropy cross_entropy = -tf.reduce_sum(y_ * tf.log(y)) # do cross_entropy just one step cross_entropy2 = tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y_)) # dont forget tf.reduce_sum()!! before_reduce_sum_1 = - y_ * tf.log(y) before_reduce_sum_2 = tf.nn.softmax_cross_entropy_with_logits(logits=logits,labels=y_) with tf.Session() as sess: softmax = sess.run(y) c_e = sess.run(cross_entropy) c_e2 = sess.run(cross_entropy2) c_e3 = sess.run(before_reduce_sum_1) c_e4 = sess.run(before_reduce_sum_2) print("step1:softmax result=") print(softmax) print("step2:cross_entropy result=") print(c_e) print("Function(softmax_cross_entropy_with_logits) result=") print(c_e2) print("before reduce sum 1") print(c_e3) print("before reduce sum 2") print(c_e4)
这个代码展示两个函数的区别
import tensorflow as tf labels = [0, 2] labels_one_hot = [[1, 0, 0], [0, 0, 1]] logits = [[2, 0.5, 1], [0.1, 1, 3]] result1 = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=labels, logits=logits) result2 = tf.nn.softmax_cross_entropy_with_logits(labels=labels_one_hot,logits=logits) with tf.Session() as sess: print(sess.run(result1)) print(sess.run(result2))
相关文章推荐
- tensorflow--tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- tf.nn.sparse_softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- tf.nn.sparse_softmax_cross_entropy_with_logits()函数的用法
- tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- TensorFlow 介绍 tf.nn.softmax_cross_entropy_with_logits 的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- TensorFlow学习笔记之tf.nn.softmax()与tf.nn.softmax_cross_entropy_with_logits的用法
- [TensorFlow] tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- 【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
- Tensorflow函数:tf.nn.softmax_cross_entropy_with_logits 讲解
- tf.nn.softmax_cross_entropy_with_logits
- TensorFlow学习--tf.nn.sparse_softmax_cross_entropy_with_logits
- 对比两个函数tf.nn.softmax_cross_entropy_with_logits和tf.nn.sparse_softmax_cross_entropy_with_logits