SparseCategoricalCrosstentropy对sparse_categorical_crossentropy

Question

SparseCategoricalCrosstentropy和sparse_categorical_crossentropy有什么区别？

SparseCategoricalCrossentropy：计算标签和预测之间的交叉熵损失。

稀疏_范畴化_交叉熵：计算稀疏的分类交叉熵损失。

但我还是不确定。任何损失都会在标签和预测之间进行计算。那这两个有什么区别呢？

Answer 1

SparseCategoricalCrossentropy是一个类。因此，您必须先定义一个对象，然后才能使用它计算损失。

scce = tf.keras.losses.SparseCategoricalCrossentropy()
scce(y_true, y_pred).numpy()

而sparse_categorical_crossentropy仅仅是一个可以直接用来计算成本的函数。

loss = tf.keras.losses.sparse_categorical_crossentropy(y_true, y_pred)

如果要将损失传递给顺序API，则必须传递对象，而不是函数。

model.compile('sgd', loss=tf.keras.losses.SparseCategoricalCrossentropy())

Answer 2

SparseCategoricalCrossentropy是一个类，而sparse_categorical_crossentropy是一个函数。

SparseCategoricalCrossentropy -> --创建该类的一个实例，然后传递真值和预测值。

sparse_categorical_crossentropy ->传递真实值和预测值，就像对任何其他函数一样。