Tensorflow：sigmoid_cross_entropy_with_logits

Question

我有一个图像多标签分类问题，我想用tensorflow解决。

我正在尝试为CNN网络构建适当的损失函数和“适当的”最终层。

有什么样的论据

tf.nn.sigmoid_cross_entropy_with_logits(labels, logits)

函数需要吗？

我可以安全地假设：

• 标签是二进制值为{0,1}
的向量
• logits是与具有相同dimmension的向量，具有来自整个值的标签[-∞，∞[

因此我应该在最后一层跳过ReLU（以确保最终输出可以是负数）。

或许logits有界并代表概率？

我对此并不是100％肯定。

Answer 1

你是对的。你的标签虽然可以是0到1之间的任何实数，即使它是或者通常是。但理论上（偶尔也会练习）这里的标签可以是[0,1]范围内的任何实数。

关于logits的问题：没有激活。你是对的。

sigmoid_cross_entropy_with_logits使用后勤损失，如： z * -log（sigmoid（x））+（1 - z）* -log（1 - sigmoid（x）） 用x作为你的logit。你基本上已经在sigmoid-part中激活了。