python - tf.nn.softmax_cross_entropy_with_logits 是否考虑批量大小？-6ren

python - tf.nn.softmax_cross_entropy_with_logits 是否考虑批量大小？

转载作者：太空宇宙更新时间：2023-11-03 16:30:31

24

4

是tf.nn.softmax_cross_entropy_with_logits考虑批量大小？

在我的 LSTM 网络中，我输入不同大小的批处理，我想知道在优化之前是否应该对批处理大小的误差进行标准化。

最佳答案

在 documentation它表示 softmax_cross_entropy_with_logits 返回一个长度等于批量大小的向量。要获得标量成本，您可以对该向量执行tf.reduce_mean。那么你的损失就不会受到批量大小的影响。

关于python - tf.nn.softmax_cross_entropy_with_logits 是否考虑批量大小？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37638777/

24

4

0

文章推荐： Python 类和方法实例化

文章推荐： paypal - Adaptive Payments PayPal 不支持卡支付

Tensorflow softmax_cross_entropy_with_logits 要求未缩放的对数概率
我注意到 tf.nn.softmax_cross_entropy_with_logits为 logits 参数请求“未缩放的对数概率”。但是，我没有看到有人建议在提交给这个函数之前对他们的 NN 预测
tensorflow - softmax_cross_entropy_with_logits 的 PyTorch 等价
我想知道 TensorFlow 的 softmax_cross_entropy_with_logits 是否有等效的 PyTorch 损失函数? 最佳答案 is there an equivalent
python - tf.nn.softmax_cross_entropy_with_logits 是否考虑批量大小？
是tf.nn.softmax_cross_entropy_with_logits考虑批量大小？在我的 LSTM 网络中，我输入不同大小的批处理，我想知道在优化之前是否应该对批处理大小的误差进行标准化
tensorflow - softmax_cross_entropy_with_logits 和 losses.log_loss 有什么区别？
tf.nn.softmax_cross_entropy_with_logits 和 tf.losses.log_loss 之间的主要区别是什么？这两种方法都接受 1-hot 标签和 logits 来计
tensorflow - 为什么使用 sigmoid 的神经网络的代码与使用 softmax_cross_entropy_with_logits 的代码如此不同？
当使用神经网络进行分类时，据说: 您通常希望使用 softmax 交叉熵输出，因为这可以为您提供每个可能选项的概率。在只有两个选项的常见情况下，您需要使用 sigmoid，除了避免冗余输出 p 和
python - 为什么单独执行 softmax 和交叉熵会产生与使用 softmax_cross_entropy_with_logits 一起执行时不同的结果？
我正在制作一台计算机，使用 softmax 函数从 MNist 数据集中预测手写数字。奇怪的事情发生了。成本随着时间的推移而降低，最终变为 0.0038 左右……(我使用 softmax_crosse
python - tensorflow softmax_cross_entropy_with_logits 和 sigmoid_cross_entropy_with_logits 的实现区别
我最近遇到了 tensorflow softmax_cross_entropy_with_logits，但我无法弄清楚与 sigmoid_cross_entropy_with_logits 相比在实现
python - 什么是逻辑？ softmax 和 softmax_cross_entropy_with_logits 有什么区别？
在 tensorflow API docs他们使用名为 logits 的关键字。它是什么？很多方法都是这样写的: tf.nn.softmax(logits, name=None) 如果logits只是
python-3.x - tf.nn.softmax_cross_entropy_with_logits 如何使用标签
对于一项作业，我应该为其一部分编写一个单层神经网络。我认为我的大部分内容都是正确的，但是当我尝试使用 tf.nn.softmax_cross_entropy_with_logits 方法时，我收到一条
python - 使用 softmax_cross_entropy_with_logits 保存/恢复 Tensorflow 模型
我在使用 tf.layers 和 tf.nn.softmax_cross_entropy_with_logits 的 tensorflow 模型上恢复和执行推理时遇到问题。一旦我记忆起保存的文件，我就
python - ValueError : Only call `softmax_cross_entropy_with_logits` with named arguments (labels=. .., logits=..., ...)
你能指导如何解决这个问题吗？ with tf.name_scope('loss'): #cross_entropy = None val = tf.nn.softmax_cross_e
Tensorflow，tf.nn.softmax_cross_entropy_with_logits 和 tf.nn.sparse_softmax_cross_entropy_with_logits 的区别
我已阅读 docs of both functions ，但据我所知，对于函数 tf.nn.softmax_cross_entropy_with_logits(logits, labels, dim=
python - ValueError : Only call `softmax_cross_entropy_with_logits` with named arguments (labels=. ..，logits=...，...)错误
错误是ValueError: Only call softmax_cross_entropy_with_logits with named arguments (labels=..., logits=
logging - tensorflow log_softmax tf.nn.log(tf.nn.softmax(predict)) tf.nn.softmax_cross_entropy_with_logits
我尝试按照 tensorflow 教程实现 MNIST CNN 神经网络，并找到这些实现 softmax 交叉熵的方法给出了不同的结果: (1) 不好的结果 softmax = tf.nn.softm
python - Tensorflow softmax_cross_entropy_with_logits 与 tf.reduce_mean(-tf.reduce_sum(y*tf.log(yhat), reduction_indices = 1))
我正在关注此处的多层感知器示例:https://github.com/aymericdamien/TensorFlow-Examples我对函数 tf.nn.softmax_cross_entropy

首页

博学

6Ren·AI

商城

python - tf.nn.softmax_cross_entropy_with_logits 是否考虑批量大小？