我需要计算softmax输出与目标的损失。 我的目标是[0,0,1],输出是[0.3,0.3,0.4] 为此目的,预测是正确的。但是,以下类型的成本函数并不能解释这种准确性
self._output = output = tf.nn.softmax(y)
self._cost = cost = tf.reduce_mean(tf.square( output - tf.reshape(self._targets, [-1])))
如何在TF本身轻松地将输出[0.3,0.3,0.4]转换为[0,0,1]?
答案 0 :(得分:12)
用于比较两个概率分布的典型损失函数称为cross entropy。 TensorFlow具有实现该丢失的tf.nn.softmax_cross_entropy_with_logits函数。在您的情况下,您可以简单地执行:
self._cost = tf.nn.softmax_cross_entropy_with_logits(
y, tf.reshape(self._targets, [-1]))
但是如果你真的想将[0.3, 0.3, 0.4]
转换成一个单一的表示用于不同的目的,你可以使用tf.one_hot
函数,如下所示:
sess = tf.InteractiveSession()
a = tf.constant([0.3, 0.3, 0.4])
one_hot_a = tf.one_hot(tf.nn.top_k(a).indices, tf.shape(a)[0])
print(one_hot_a.eval())
# prints [[ 0. 0. 1.]]