tensorflow稀疏分类交叉熵与logits

Question

我是一名新手程序员，试图遵循this 指南。 但是，我遇到了一个问题。该指南说将损失函数定义为：

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

这给了我以下错误：

sparse_categorical_crossentropy() 得到了一个意外的关键字参数 '来自_logits'

我认为from_logits 是函数中未指定的参数，文档支持该参数，tf.keras.losses.sparse_categorical_crossentropy() 只有两个可能的输入。

有没有办法指定正在使用的 logits 或者甚至是必要的？

Answer 1

from_logits 参数是在 Tensorflow 1.13 中引入的。

您可以将 1.12 和 1.13 与这些网址进行比较：

https://github.com/tensorflow/tensorflow/blob/r1.12/tensorflow/python/keras/losses.py
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/python/keras/losses.py

在撰写本文时，1.13 尚未发布。这就是本教程以行开头的原因

!pip install -q tf-nightly

Answer 2

我在学习本教程时遇到了同样的问题。我从

更改了代码

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

到

def loss(labels, logits):
    return tf.nn.sparse_softmax_cross_entropy_with_logits(labels=labels, logits=logits)

这解决了问题，而无需安装 tf-nightly。