理解张量流函数输出

sunxd

有人可以解释为什么以下代码会生成array([ 0.59813887, 0.69314718], dtype=float32)? 例如,numpy.log(0.5) = 0.69314718,但是 0.598138 是怎么来的?

import tensorflow as tf
res1 = tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=[1, 0], logits=[[0.4, 0.6], [0.5, 0.5]], name=None)
res2 = tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=[0, 1], logits=[[0.4, 0.6], [0.5, 0.5]], name=None)
res3 = tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=[1, 0], logits=[[0.6, 0.4], [0.5, 0.5]], name=None)
sess = tf.Session()
sess.run(res1)
维维克·卡利亚纳兰甘

您提供的 logits 分别用于 0 类和 1 类(这就是 tensorflow 的理解方式)。

因此,对于res1第一个数据点,对于- prob(class1) 是 0.6

根据定义,交叉熵是 -

-np.log(np.exp([0.6]) / np.sum(np.exp([0.4, 0.6])))

同样,对于第二种情况——

-np.log(np.exp([0.5]) / np.sum(np.exp([0.5, 0.5])))

给出所需的输出。

这与 Tensorflow 的输出一致。希望这可以帮助!

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章