机器学习 - 损失计算-softmax_cross_entropy_with_logits
tf.nn.softmax_cross_entropy_with_logits(logits, labels, name=None)
第一个参数logits:就是神经网络最后一层的输出
第二个参数labels:实际的标签
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,这一步通常是求取输出属于某一类的概率,对于单样本而言,输出就是一个num_classes大小的向量([Y1,Y2,Y3...]其中Y1,Y2,Y3...分别代表了是属于该类的概率)
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:
其中
指代实际的标签中第i个的值(用mnist数据举例,如果是3,那么标签是[0,0,0,1,0,0,0,0,0,0],除了第4个值为1,其他全为0)
这个函数的返回值并不是一个数,而是一个向量,如果要求交叉熵,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,最后才得到,如果求loss,则要做一步
tf.reduce_mean操作,对向量求均值!
#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]])
#true label y_=tf.constant([[0.0,0.0,1.0],[0.0,0.0,1.0],[0.0,0.0,1.0]])
#step1:do softmax y=tf.nn.softmax(logits) #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, y_))#dont forget tf.reduce_sum()!! ---------------------
https://blog.csdn.net/lyc_yongcai/article/details/73231951
转载于:https://www.cnblogs.com/xiaoniu-666/p/10372545.html
机器学习 - 损失计算-softmax_cross_entropy_with_logits相关推荐
- 【CCAI大咖秀】AlphaGo/Mobileye教父:智能科学需要融合机器学习、计算神经科学与认知科学
[CCAI大咖秀]AlphaGo/Mobileye教父:智能科学需要融合机器学习.计算神经科学与认知科学 8月26-27日,由中国人工智能学会(CAAI)发起并主办.中科院自动化研究所与CSDN共同承 ...
- yolov3从头实现(六)损失计算
损失计算 一.损失计算的输入 损失计算的预测值输入是yolov3从头实现(五)中的yolov3网络块的输出 损失计算的真实值输入是yolov3从头实现(三)中我们制作出的标签值 二.损失的结构 yol ...
- 大咖云集,EI稳定检索,第14届机器学习与计算国际会议(ICMLC 2022)
14th - ICMLC 2022 第14届机器学习与计算国际会议 2月18-21日 | 中国广州 关于我们 机器学习是人工智能及模式识别领域的共同研究热点,其理论和方法已被广泛应用于解决工程应用和科 ...
- 机器学习——科学计算库(Numpy,Matplotlib,Pandas)
机器学习--科学计算库中主要介绍的内容是人工智能深度学习过程常用的几个python库,主要有Numpy,Matplotlib,Pandas等,具体如下所示 在学习的过程中,我也从网上借鉴了多位大佬的优 ...
- 推荐系统_各种方法的损失计算过程
如何构造一个更好的语义特征向量是各个推荐算法的核心. 除了用户购买商品的记录文件,我们还有两类文件,即用户属性文件(性别,年龄,职业等),商品属性文件(发行日期,种类等),一个商品属性中的种类可以有多 ...
- Uniswap V3无偿损失计算、Uniswap V3做市
Uniswap V3无偿损失计算:(原文参考链接:https://www.8btc.com/article/6653418) Uniswap V3做市:(原文链接参考:https://www.8btc ...
- SSD源码的损失计算
SSD源码的损失计算 文章目录 SSD源码的损失计算 1.前言 2.解析 2.1 match 2.1.1 匹配策略 2.1.2 match函数代码 2.2 encode与decode 2.2.1 en ...
- Python3 机器学习之计算香农熵
Python3 机器学习之计算香农熵 from math import log # 函数说明:计算给定数据集的经验熵(香农熵) def calcShannonEnt(dataSet):numEntir ...
- 机器学习实现计算不规则图形面积_不用任何数学方法,如何计算圆面积
杀鸡用牛刀,我们用机器学习方法来算圆的面积. 询问任何人圆的面积是多少,他们都会告诉你不就是r²吗.但如果你问他们为什么,他们很可能并不知道. 这是因为圆的面积公式的证明在大多数情况下要么不直观,不令 ...
最新文章
- java 工厂模式的写法_Java23种设计模式之抽象工厂模式
- 大型互联网b2b b2c o2o电子商务云平台
- 基于傅里叶变换的音频重采样算法 (附完整c代码)
- ThreadGroup其实比ExecutorService更好
- linux运行c程序a. out,无法运行已编译的文件 – bash:./ a.out:权限被拒绝. (我试过chmod)...
- Android 设备上可以实现 3D Touch 吗?| 原力计划
- MySQL学习笔记15:触发器
- [ZBLOG]国庆巨献-4u-hemingway-Kenshin修改版(2007年11月5日更新)
- 豆瓣评分8.0以上数据分析R、MySQL、Python等书籍,45本包邮送到家
- xlsread错误使用matlab,运行显示错误使用xlsread,未找到文件
- 人工智能:python 实现 第十章,NLP 第一天 入门介绍及使用stemming还原词汇
- Mesh Baker的基本操作与功能演示
- 2022-2027年中国番茄酱行业市场全景评估及发展战略规划报告
- python 新闻摘要_每日新闻摘要:随着机器取代工人,黄金一日即将推出
- costmap_2d 中计算footprint 的内切圆半径和外切圆半径的函数解析——点到线段的距离计算
- [转载] 花了三个月终于把所有的Python库全部整理了!祝你早日拿到高薪!
- html2canvas的使用以及跨域问题
- 股票北向资金数据接口在哪里?
- c51中sbit/sfr 用法
- Java---设计【花店鲜花管理系统】
热门文章
- 你是否为类编写接口?我乞求你停下!
- 项目内出现广告位引争议,开源如何持续健康运营?
- pmos管的应用_串联稳压电路3:NMOS型、PMOS型
- 关于SQL Server的日期时间数据类型
- linux 查询mysql编码格式_Linux 修改MySQL编码格式
- css 入场动画_React系列十四 React过渡动画
- win8.1重装系统计算机管理打不开,Windows8计算机打不开192.168.0.1怎么办
- 错误率_全新的支付方式来了 错误率可控制在百万分之一
- 打开多网页用服务器系统好吗,如何在打开多个网页后,只需在一个网页上操作,其他网页都会同步操作?...
- oracle9i怎样管理数据,Oracle9i数据库管理员使用大全