介绍
二分类交叉熵函数
注意： 从源代码可知，对 二分类交叉熵 又做一次 平均值
源代码网址：https://github.com/tensorflow/tensorflow/blob/r2.0/tensorflow/python/keras/losses.py#L981-L994
源代码如下：
from tensorflow.keras import backend as K
@keras_export('keras.metrics.binary_crossentropy',
'keras.losses.binary_crossentropy')
def binary_crossentropy(y_true, y_pred, from_logits=False, label_smoothing=0): # pylint: disable=missing-docstring
y_pred = ops.convert_to_tensor(y_pred)
y_true = math_ops.cast(y_true, y_pred.dtype)
label_smoothing = ops.convert_to_tensor(label_smoothing, dtype=K.floatx())
def _smooth_labels():
return y_true * (1.0 - label_smoothing) + 0.5 * label_smoothing
y_true = smart_cond.smart_cond(label_smoothing,
_smooth_labels, lambda: y_true)
return K.mean(
K.binary_crossentropy(y_true, y_pred, from_logits=from_logits), axis=-1)
在返回时调用K.mean( K.binary_crossentropy() )，
二分类交叉熵 是通过调用K.binary_crossentropy()实现的，关于该函数详见：
https://www.malaoshi.top/show_1EF5aAhO2wh7.html
对上面结果又做一次平均值K.mean( )，关于该函数详见：
https://www.malaoshi.top/show_1EF5aAJyDs39.html
常用别名
- tf.losses.binary_crossentropy
语法
tf.keras.losses.binary_crossentropy(
y_true,
y_pred,
from_logits=False,
label_smoothing=0
)
参数
- y_true：真实目标值，与y_pred形状相同
- y_pred：预测值
- from_logits=False：默认值为False，y_pred是否为 logits 张量。默认情况下，认为 y_pred 是概率分布
- label_smoothing=0