回答情况：
提问时间：
问题标签：
为了使用tensorflow.nn.SparseSoftmaxCrossEntropyWithLogits来比较logits和labels，我需要它们有一个共同的形状。如何在当前形状中解释logits的当前内容，以及如何将logits的第一维减少到与num_classes相同 Logits. # conv1
with tf.variable_scope('conv1&
浏览 0修改于2017-06-20得票数 1
with tf.name_scope('loss'): val = tf.nn.softmax_cross_entropy_with_logits(_sentinel, labels, logits, dim, name) 1577 _ensure_xent_args("softmax_cross_entropy_with_logits", _sentinel,
->
浏览 0提问于2017-11-13得票数 4
我用tensorflow实现了经典的图像分类问题，我有9类，首先使用softmax_cross_entropy_with_logits作为分类器和训练网络，经过一定的步骤使训练准确率达到99%，对于您的信息，对于softmax_cross_entropy_with_logits，我对标签使用batch_size、num_classes和dtype float32，对于sparse
浏览 6修改于2017-04-15得票数 1
回答已采纳
如果损失来自于sparse_softmax_cross_entropy_with_logits.，我如何缩放梯度？operand type(s) for /: 'IndexedSlices' and 'int'loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels)
gradients = opt.compute_gradient(loss)
浏览 0提问于2018-01-19得票数 1
是使用sparse_softmax_cross_entropy_with_logits时训练向量y必须为的唯一区别
在阅读应用程序接口时，我找不到与softmax_cross_entropy_with_logits如果softmax_cross_entropy_with_logits提供的是单一热编码的训练数据/向量，那么它不应该产生与sparse_softmax_cross_entropy_with_logits
浏览 1修改于2018-07-09得票数 119
回答已采纳
错误是ValueError：
代码是。
浏览 1修改于2018-12-28得票数 1
回答已采纳
我最近遇到了tensorflow softmax_cross_entropy_with_logits，但我不知道它的实现与sigmoid_cross_entropy_with_logits有什么不同。
浏览 0修改于2017-03-09得票数 4
tf.feature_column.input_layer(features, [tf.feature_column.numeric_column(key=key) for key in FEATURE_NAMES])
optimizer = tf.tr
浏览 0提问于2018-04-19得票数 1
回答已采纳
1回答
我读过，但据我所知，对于函数tf.nn.softmax_cross_entropy_with_logits(logits, labels, dim=-1, name=None)，结果是交叉熵损失，其中logits但是，对于函数tf.nn.sparse_softmax_cross_entropy_with_logits，logits和labels的维度并不相同？你能给出一个更详细的tf.nn.sparse_softmax_cross_entropy_with_logits例子吗？
浏览 8提问于2016-12-22得票数 4
回答已采纳
上述错误源于传统代码并使用Tensorflow
浏览 2修改于2017-07-12得票数 2
回答已采纳
因为我需要训练一个具有多个标签的模型，所以我需要使用loss function tf.nn.sigmoid_cross_entropy_with_logits。此函数有两个参数：logits和loss。 参数logitsis是预测y的值吗？我如何在编译模型之前传递这个值呢？在编译和拟合模型之前，我不能预测y，对吧？keras.layers.Dense(8)])
loss=tf.nn.sigmoid_cross_entropy_with_<
浏览 11提问于2020-04-03得票数 3
回答已采纳
出于这个原因，我尝试使用tf.nn.weighted_cross_entropy_with_logits作为我的成本函数。但是，当我更改为weighted_cross_entropy_with_logits时，我得到一个形状错误，并且我不确定如何修复这个错误。ValueError: logits and targets must have the same shape ((?, 2) vs (?
浏览 25修改于2019-03-15得票数 1
unscaled_logits = tf.constant([[1., -3., 10.]])target_dist = tf.constant([[0.1, 0.02, 0.88]]) tf.nn.softmax_cross_entropy_with_logits(logits=unscaled_logits, with tf.Session() as sess:
print(sess.run(
浏览 2提问于2017-08-03得票数 2
tf.constant([0,0,1]) r = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=x) 8 print(r.eval())
1691 if logits.get_shape().ndims == 2:
ValueError:
浏览 0修改于2017-09-27得票数 0
回答已采纳
我得到了这个错误： cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits
浏览 2修改于2017-01-01得票数 0
回答已采纳
float32)load network done [[Node: save_1/Assign_109 = Assign[T=DT_FLOAT, _class=["loc:@MobilenetV1/Logitsuse_locking=true, validate_shape=t
浏览 3提问于2017-06-27得票数 0
回答已采纳
在这里，我们试图找到tf.nn.softmax_cross_entropy_with_logits在PyTorch中的等价性。答案仍然让我感到困惑。tf_labels = tf.convert_to_tensor(labels, dtype=tf.float32)
它给了我loss
<tf.Tensor: shape=(2,), dtype=float32, numpy=
浏览 3修改于2020-12-26得票数 1
回答已采纳
我想将SVM输出的概率类转换为logits。将概率转换为logits。我想将SVM的结果与神经网络的结果合并。使得损失神经网络输出logits。因此，l正在寻找一种方法，将SVM输出的概率转换为logits，然后使用相等的权重将神经网络logits与SVM logits合并：
overal_probabilities= s
浏览 54修改于2018-09-16得票数 1
回答已采纳
我正在将logits与循环中的标签进行比较： for r in range(logits.shape[0]):
if labels[r] == np.argmax(logits[r]):guessed += 1.0 其中labels是整数标签的一维数组，logits是二维数组，第二维是标签的概率。
浏览 23提问于2019-02-19得票数 0
回答已采纳
不是数学上有效的输入：y_pred = [[1.0, 20.0]]print(tf.keras.losses.CategoricalCrossentropy(from_logits=True).call(y_true说：
from_logits<
浏览 1修改于2021-04-04得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号