tf.nn.softman_cross_entropy_with_logits及幾種交叉熵計算

https://www.jianshu.com/p/95d0dd92a88a 

就看例子就完事了  

tf.nn.softmax

import tensorflow as tf
import numpy as np

sess=tf.Session()
#logits代表wx+b的輸出，並沒有進行softmax（因爲softmax後是一個和爲1的概率）
logits = np.array([[1, 2, 7],
                   [3, 5, 2],
                   [6, 1, 3],
                   [8, 2, 0],
                   [3, 6, 1]], dtype=np.float32)
#labels是[2,1,0,0,1]的ont-hot編碼形式
labels = np.array([[0, 0, 1],
                   [0, 1, 0],
                   [1, 0, 0],
                   [1, 0, 0],
                   [0, 1, 0]], dtype=np.float32)

# 公式計算，-np.log(y*softmax_out) 
# y=n*c,softmax_out是n*c，相當於將每個樣本softmax的c個特徵中最大的取出來，再取負就是求最小
softmax_out=tf.nn.softmax(logits)
cross_entropy1 = -tf.reduce_sum(labels * tf.log(softmax_out), axis=1)   #對應元素相乘，非矩陣乘法
print sess.run(cross_entropy1)

#使用一維label計算，對每個樣本取第k個元素出來，k代表實際類別
out_v = sess.run(out)
class_v = sess.run(classes)
cross_entropy1_label = -tf.log(out_v[range(len(logits)),class_v])

print sess.run(cross_entropy1_label)

#---輸出
array([ 0.00917445,  0.16984604,  0.05498521,  0.00281022,  0.05498521], dtype=float32)

---

tf.nn.softmax_cross_entropy_with_logits與tf.nn.sparse_softmax_cross_entropy_with_logits

---

import tensorflow as tf

sess=tf.Session()
#logits代表wx+b的輸出，並沒有進行softmax（因爲softmax後是一個和爲1的概率）
logits = np.array([[1, 2, 7],
                   [3, 5, 2],
                   [6, 1, 3],
                   [8, 2, 0],
                   [3, 6, 1]], dtype=np.float32)
#labels是[2,1,0,0,1]的ont-hot編碼形式
labels = np.array([[0, 0, 1],
                   [0, 1, 0],
                   [1, 0, 0],
                   [1, 0, 0],
                   [0, 1, 0]], dtype=np.float32)
                   
cross_entropy2 = tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=labels)
sess.run(cross_entropy2)

classes = tf.argmax(labels, axis=1)    #array([2, 1, 0, 0, 1])
cross_entropy3 = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=classes)
sess.run(cross_entropy2)

#---cross_entropy2 輸出
array([ 0.00917445,  0.16984604,  0.05498521,  0.00281022,  0.05498521], dtype=float32)

A 1-D `Tensor` of length `batch_size` of the same type as `logits` with the
      softmax cross entropy loss.

#---cross_entropy3 輸出
array([ 0.00917445,  0.16984604,  0.05498521,  0.00281022,  0.05498521], dtype=float32)

1.tf.nn.softmax_cross_entropy_with_logits與tf.nn.sparse_softmax_cross_entropy_with_logits

輸出結果相同，，後者的輸入label shape=[batch_size],dtype=int32/int64,range=[0, number_classes-1];前者的label shape=[batch_size, number_classes], dtype=[float32/64]

2.tf.losses.softmax_cross_entropy和tf.losses.sparse_softmax_cross_entropy

都是用於計算不同樣本的loss，

tf.losses.softmax_cross_entropy默認weight=1,等價於tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits)

weight爲標量數字時，等價於w * tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits)

weights爲向量時，計算出的每個Loss需乘上對應的樣本權重再平均。

3.tf.losses.sparse_softmax_cross_entropy

等價於tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits).