我在tensorflow中使用以下函数进行标签平滑。losses_utils.ReductionV2.AUTO, name='binary_crossentropy') 如果我指定label_smoothing = 0.1，这是否意味着它将生成0到0.1之间的随机数，而不是硬标签0(对于假图像)和0.9到1(对于真实图像)？我正在努力稳定我的生成性对抗网络训练。谢谢。
浏览 30提问于2020-10-09得票数 2
1回答
假设对于单个培训示例，真正的标签是1 0 0 0，而预测是0.1 0.5 0.1 0.1 0.2。如何计算其二元交叉熵？以及输出值如何决定一个样本是属于a类还是b类？我也想知道，在二元交叉熵公式中，什么是1-p？
浏览 0提问于2018-09-30得票数 1
1回答
我已经建立了一个模型来检测一个乒乓球运动员使用TensorFlow进行的射击类型。在我建立了我的神经网络之后，我所处理的模型似乎是一个多标签分类模型。二值交叉熵和范畴交叉熵在这两种情况下都造成了很差的损失和精度，而使用最小熵和最大熵的误差分别为98%和0.004。
为什么会发生这种情况，尽管我使用了3个输出标签来监督学习数据，如下图所示：
浏览 9提问于2022-10-01得票数 -2
通常的二元交叉熵损失不能很好地表现，因为标签是非常不平衡的(比1s多许多0像素)。所以我想更多地惩罚假阴性。但是tensorflow没有现成的加权二元交叉熵。
浏览 7提问于2022-09-06得票数 1
回答已采纳
我想写一个有两个参数的函数，A和B，相同形状的张量(例如，13x13或其他形状)，并且返回一个数字，该数字表示当按分量应用二进制交叉熵时所有损失的总和。因此，对于A[i, j]和B[i, j]，我们找到了二元交叉熵损失，然后对所有的i和j进行了求和。如何在Keras和Tensorflow中实现这一点？
浏览 0提问于2018-09-28得票数 1
回答已采纳
我正在用tensorflow和keras做一个深入的学习模型。我有一个关于输出架构的问题。我想在两类之间进行分类，有缺陷的图像和没有缺陷的图像，我已经建立了一个基于VGG16的CNN，但是更小。这个问题基本上是一个二进制分类，可以使用一个唯一的神经元在输出上使用乙状结肠激活和二进制交叉熵函数作为损失。另一种选择是使用两个神经元，使用softmax和分类交叉熵作为损
浏览 0提问于2020-09-01得票数 2
我刚刚读过这个，它解释了二元交叉熵和分类交叉熵之间的区别，特别是，我对这张图片有一个疑问：作者讨论了一个多标签的情况，你的目标(或地面真相)标签是一个热编码，但如果你的目标标签不是一个热编码例如，如果只有一半的熊猫在图像中，然后我将图像标记为1，0，0.5，那么在这种情况下，我还会使用二进制交叉熵吗？在目标向量不是二
浏览 4提问于2020-08-05得票数 1
2回答
我有一个二元分割问题，数据高度不平衡，以至于每类样本中几乎有60个零类样本。为了解决这个问题，我用Tensorflow作为后端，在Keras中编写了一个简单的加权二进制交叉熵损失函数。y_true, y_pred) return weighted_bce
我想问一下这个实现是否正确，因为我对Keras/Tensorflow如果我长时间训练到过拟合点，正常的二元<
浏览 0提问于2019-09-05得票数 7
回答已采纳
我对Pytorch中交叉熵的计算感到困惑。如果我想计算两个张量和目标张量之间的交叉熵不是一个热标签，我应该使用哪一个损失？计算两个概率分布之间的交叉熵，而不是预测结果和一个确定的单热标号是很常见的。，最终的交叉熵就不符合预期的结果。因为这些维度中的每一个都涉及-(1-yi)*log(1-pi)
浏览 11提问于2021-08-01得票数 2
回答已采纳
3回答
一种多标签分类模型的评价
、、、、
我目前有一个多标签的分类问题，我正在使用keras构建一个神经网络，如下所示：print(n_cols)
plt.xlabel('Epoch')plt.show()
我被告知，对于多标签分类对于多标签
浏览 0提问于2020-07-16得票数 0
回答已采纳
正如提到的，对于多标签分类，交叉熵不是一个合适的损失函数。我的问题是“这一事实是否也适用于softmax的交叉熵？”如果是，它如何与文档的匹配。
我应该提一下，我的问题的范围是cntk。
浏览 20提问于2017-01-17得票数 5
回答已采纳
我在PyTorch中做一个分类任务(二进制)，所以对于标签0和1。不，我想引入标签平滑作为另一种正则化技术。因为我使用冰损失，所以没有像交叉熵损失那样使用标号平滑的函数(对于人大于0,1)。
浏览 1提问于2022-07-28得票数 0
回答已采纳
我在寻找一个传递熵损失函数，就像Tensorflow中的CategoricalCrossEntropyLoss。targets = [0, 0, 1]我要计算软件最大值上的(范畴)交叉熵，而不是，而不是，把预测的最大值作为标签，然后计算交叉
浏览 3提问于2020-11-29得票数 1
我正在与tensorflow合作，并使用Nueral来解决多标签分类问题。我使用Softmax交叉熵作为我的损失函数：cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred但是，我没有在tensorflow中找到它，有没有人可以帮助我使用KL散度损失函数而不是Softmax损失？
浏览 6提问于2016-04-12得票数 1
3回答
但是，对于三级分类问题，在最后一层只有一个输出神经元，这是真的吗？import tensorflow as tfimport pandas as pdembedding_dim = 16trunc_type = 'post'
from tensorflow.kera
浏览 1提问于2020-08-12得票数 1
回答已采纳
1回答
对于一个单标号0或1的问题，我理解二元交叉熵公式。如果我们有两个以上的标号，那么所有这些类的二进制交叉熵之和。) := - \sum_{i} \sum_{c} ({y_{i, c}' \log(y_{i, c}) + (1-y_{i, c}') \log (1-y_{i, c})})
H_{y'} (y) := - \s
浏览 0提问于2020-04-12得票数 2
2回答
我目前正面临一个机器学习问题，我已经到了需要一些帮助才能继续工作的地步。
我有各种时间序列的位置(x，y，z)数据跟踪传感器。我开发了更多的功能。我的目标是建立一个模型，用标签0或1 (基于过去和未来值的二进制分类)对每个时间步骤进行分类。因此，我有很多培训时间序列，其中标签已经设置。有一件事可能很成问题，那就是数据中很少有1的标签(例如，800个样本中只有3个用1标记)。如果有人能在正确的方向上帮助我，那就太好了，
浏览 0提问于2018-05-08得票数 0
我正在用Raw实现二进制交叉熵损失函数，但它给出的答案与Tensorflow完全不同。这就是我从Tensorflow得到的答案：-from tensorflow.keras.losses import BinaryCrossentropy
loss = bce(y_true, y_pred)输出：
>>> 5.141
浏览 16提问于2021-05-20得票数 5
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
