为了计算交叉熵,首先我们需要转换labels 为相应的 单热编码:
[[0, 1, 0, 0, 0, 0, 0, 0, 0, 0],
[0, 0, 0, 0, 0, 0, 0, 0, 0, 1],...tf.one_hot()有两个必需的参数:
indices。在一个热张力中将具有“on值”的位置,即1上述张量中的值的位置。
depth。一个热张量的深度,即目标类的数量。在这里,深度是10。...以下代码为我们的标签创建单张热张量onehot_labels:
onehot_labels = tf.one_hot(indices=tf.cast(labels, tf.int32), depth=10...,请参阅“在tf.contrib.learn中创建估计”教程中的“ 定义模型的训练操作”。...每个键是我们选择的标签,将打印在日志输出中,相应的标签是TensorTensorFlow图中的a的名称。