多标签分类，跑出合理结果的loss设计，以及每个label都有权重

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_entropy​​​​tf.losses.softmax_cross_entropy​​​​tf.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。