tensorflow是否支持计算语义分段的标签子集的交叉熵损失？

Question

我正在使用tensorflow进行语义分段任务。我有5个班级，我计算这样的损失：

loss = tf.reduce_mean((tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=tf.squeeze(annotation, squeeze_dims=[3]), name="entropy")))

logits有形状（batch_size，picture_height，picuture_width，5）

annotation有形状（batch_size，picture_height，picuture_width，1）

现在我只想计算前4个类的丢失，忽略第5个类。我怎样才能做到这一点？

例如，如果我只想计算前4个类的Cohen的kappa，我可以在sklearn.metrics.cohen_kappa_score中设置labels参数：

kappa = cohen_kappa_score(y_true, y_pred, labels=[0,1,2,3])

Answer 1

您可以使用不接受单热标签tf.losses.softmax_cross_entropy的稀疏版本的交叉熵丢失，并使用tf.one_hot手动创建单热矢量。

它接受允许仅使用第一个标签的depth参数，或者您可以在传递给损失之前切换结果一个热编码张量。