交叉熵损失和逻辑损失有什么区别吗？

Question

我想用一个逻辑损失函数作为我的深度学习模型来解决一个二元分类问题。我正在用角码来建立模型。然而，keras没有任何预先定义的逻辑损失函数。

在阅读关于损失函数的文章时，我遇到了关于交叉熵损失和逻辑损失的混淆陈述。在这个维基百科文章中，有一个关于物流损失和交叉熵损失的单独章节。

然而，在这个维基百科文章中，它提到：

物流损失有时称为交叉熵损失。

此外，这个sklearn 页面从以下几个方面开始：

原木损失，又称物流损失或交叉熵损失。

任何帮助都将不胜感激。

Answer 1

在keras中，使用binary_crossentropy处理2类分类问题。对两个以上的类使用categorical_crossentropy。

两者都是相同的only.If，tensorflow作为keras的后端，然后使用下面提到的函数来计算binary_crossentropy。

tf.nn.sigmoid_cross_entropy_with_logits(labels=target,
                                                   logits=output)

在下面这个函数的文档中提到了：

为了简洁起见，让x= logits，z=标签。物流损失是

z * -log(sigmoid(x)) + (1 - z) * -log(1 - sigmoid(x))