Tensorflow compute_weighted_loss示例

Question

我想使用Tensorflow tf.losses.compute_weighted_loss，但找不到任何好的例子。我有一个多类分类问题，并使用tf.nn.sigmoid_cross_entropy_with_logits作为损失。现在我想独立地衡量每个标签的误差。假设我有n个标签，这意味着我需要一个n大小的权重向量。不幸的是，tf希望我传递一个(b，n)形的错误权重矩阵，其中b是批量大小。所以基本上我需要把权重向量重复b次。给定一个固定的批处理大小，这是可以的，但如果我的批处理大小是可变的(例如，数据集末尾的较小批处理)，我必须适应。有什么办法可以解决这个问题吗?还是我漏掉了什么？

Answer 1

我只需将向量从(n，)重塑为(1，n)，以使广播成为可能：

error_weights = error_weights.reshape(1, error_weights.shape[0])

Answer 2

在现有答案的基础上，如果error_weights是Tensor，则使用tf.expand_dims。

error_weights = tf.expand_dims(error_weights, 0)  # changes shape [n] to [1, n]