TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法

作者:xf__mao 时间:2021-03-20 19:55:17 

在计算loss的时候,最常见的一句话就是tf.nn.softmax_cross_entropy_with_logits,那么它到底是怎么做的呢?

首先明确一点,loss是代价值,也就是我们要最小化的值

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,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

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:TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法

至于为什么是用的这个公式?这里不介绍了,涉及到比较多的理论证明

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:

TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法

其中TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法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)

TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法就是softmax的输出向量[Y1,Y2,Y3...]中,第i个元素的值

显而易见,预测TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法越准确,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

注意!!!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TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法,如果求loss,则要做一步tf.reduce_mean操作,对向量求均值!

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, 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)

输出结果是:

step1:softmax result=
[[ 0.09003057 0.24472848 0.66524094]
[ 0.09003057 0.24472848 0.66524094]
[ 0.09003057 0.24472848 0.66524094]]
step2:cross_entropy result=
1.22282
Function(softmax_cross_entropy_with_logits) result=
1.2228

最后大家可以试试e^1/(e^1+e^2+e^3)是不是0.09003057,发现确实一样!!这也证明了我们的输出是符合公式逻辑的

来源:https://blog.csdn.net/mao_xiao_feng/article/details/53382790

标签:TensorFlow,tf.nn.softmax,cross,entropy,with,logits
0
投稿

猜你喜欢

  • Javascript网页抢红包外挂实现分享

    2024-04-16 09:36:02
  • Vue的生命周期一起来看看

    2024-05-02 17:03:21
  • Python利用神经网络解决非线性回归问题实例详解

    2023-02-26 04:23:29
  • 仿淘宝星级评分效果

    2010-09-03 18:37:00
  • jQuery打造动态渐变按钮

    2010-05-10 20:21:00
  • asp远程网页数据采集常用函数代码

    2008-10-31 12:44:00
  • 从0到1构建vueSSR项目之路由的构建

    2024-05-09 09:52:33
  • Python去除、替换字符串空格的处理方法

    2022-07-17 05:38:25
  • Django项目使用ckeditor详解(不使用admin)

    2022-12-15 01:52:52
  • Python实现计算文件夹下.h和.cpp文件的总行数

    2022-09-20 00:54:51
  • 微信小程序 云开发模糊查询实现解析

    2023-08-24 14:47:57
  • 阿里云ECS服务器部署django的方法

    2023-04-09 10:00:26
  • Python中OpenCV图像特征和harris角点检测

    2023-08-04 22:32:56
  • Vue 项目性能优化方案分享

    2024-05-10 14:20:36
  • 对PyQt5基本窗口控件 QMainWindow的使用详解

    2021-08-27 21:47:22
  • Windows环境下python环境安装使用图文教程

    2023-12-25 10:13:26
  • 基于Opencv的图像卡通化实现代码

    2023-07-10 06:58:55
  • python如何提升爬虫效率

    2021-12-17 22:18:24
  • python 爬取百度文库并下载(免费文章限定)

    2022-05-08 16:18:28
  • Windows下Apache+MySQL+PHP运行环境的安装图文方法

    2023-10-14 02:05:31
  • asp之家 网络编程 m.aspxhome.com