如何在tf.losses.sigmoid_cross_entropy中设置参数权重？

Question

我现在尝试在不平衡的数据集上使用tf.losses.sigmoid_cross_entropy。但是，我对参数权重有点困惑。以下是文档中的注释：

  

权重：可选的Tensor，其等级为0或相同的等级   标签，并且必须可以向标签广播（即，所有尺寸必须   可以是1，也可以是相应的损失维度。）

我知道在tf.losses.softmax_cross_entropy中，参数权重可以是每个样本的权重等级1张量。为什么tf.losses.sigmoid_cross_entropy中的权重必须与标签具有相同的等级？

有人能回答我吗？更好的例子。

Answer 1

您希望对您的损失进行加权，因此tensorflow期望您为每个标签提供重量。请考虑以下示例

Labels: [0, 0, 0, 1, 0]  
possible_weights1: [1]
possible_weights2: [1, 2, 1, 1, 1]
illegal_weights1: [1, 2]
illegal_weights2: [[1], [2]]

此处您的标签的排名为1（仅1维），因此tensorflow期望您为标签中的每个元素提供权重（如possible_weights2中所示）或为每个维度提供权重（正如possible_weights1中所示，其被广播到[1, 1, 1, 1, 1]） 但是，如果您的权重为illegal_weights2，那么tensorflow无法理解它应如何处理权重中的两个维度，因为标签中只有一个维度？所以你的等级应该总是相同的 illegal_weights1是秩相同但权重与标签长度不同，长度为1（可以广播）的情况，但长度为2，不能广播，因此是非法的。