zoukankan      html  css  js  c++  java
  • tf.nn.softmax_cross_entropy_with_logits的用法

           前面一篇博客讲解了softmax函数,下面讲解一下这个代码的意思:

    具体的执行流程大概分为两步:

    1   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)

    2   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yi'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)

    yi就是softmax的输出向量[Y1,Y2,Y3...]中,第i个元素的值

    显而易见,预测越准确,结果的值越小(别忘了前面还有负号),最后求一个平均,得到我们想要的loss
    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!

                 tf.nn.softmax_cross_entropy_with_logits(logits= , labels=)。

    第一个参数logits:就是神经网络最后一层的输出,如果有batch的话,它的大小就是[batchsize,num_classes],单样本的话,大小就是num_classes

    第二个参数labels:实际的标签,大小同上

    交叉熵代码:

    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
    
    
    ce = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=tf.argmax(y_, 1))
    
    cross_entropy2=tf.reduce_sum(ce)
    
    #cross_entropy2=tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits, y_))
    
    #dont forget tf.reduce_sum()!!
    with tf.Session() as sess:
        softmax=sess.run(y)
        c_e = sess.run(cross_entropy)
        c_e2 = sess.run(cross_entropy2)
        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)

    求出交叉熵符合公式推导

  • 相关阅读:
    Python 数据库骚操作 — MongoDB
    5分钟学会如何玩转云数据库组件(迁移,审计,订阅)
    数据库10大常见安全问题及Top 10 数据库安全工具盘点
    埋在 MYSQL 数据库应用中的17个关键问题!
    MySQL分布式数据库高可用实践:架构、复制机制、多机房
    浅谈如何保障自建数据库的备份恢复机制
    【深度】分布式数据库数据一致性原理说明与实现
    SyncNavigator 破解版 ,做数据同步时所支持的数据库类型
    使用SyncNavigator进行SqlServer或者MYsql数据库的实时、增量同步
    Syncnavigator破解版注册机
  • 原文地址:https://www.cnblogs.com/fcfc940503/p/10985129.html
Copyright © 2011-2022 走看看