手机插件管理:优化你的手机体验
818
2022-11-16
多标签分类,跑出合理结果的loss设计,以及每个label都有权重
首先发现tf.losses.sigmoid_cross_entropytf.losses.softmax_cross_entropytf.keras.losses.CategoricalCrossentropy 都是不行的
KLDivergence Loss可以:
kl_compute = tf.keras.losses.KLDivergence( reduction=losses_utils.ReductionV2.NONE, name='KL_divergence') # logits 是 [batch_size, class_number]# gt_labels 是 [batch_size, class_number], 里面有多个1,其余为0# gt_label_weights 是 [batch_size, class_number], 里面有上面每个1的权重,其余为0 loss = tf.reduce_mean(kl_compute(gt_labels * tf.sigmoid(gt_label_weights), tf.nn.softmax(logits)))
TensorFlow版本为1.14
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。
发表评论
暂时没有评论,来抢沙发吧~