张量流：sigmoid_cross_entropy_with_logits

Question

我有一个图像多标签分类问题，我想用 tensorflow 解决。

我正在尝试为 CNN 网络构建适当的损失函数和“适当的”最后一层。

什么样的论据

tf.nn.sigmoid_cross_entropy_with_logits(labels, logits)

函数期望？

我可以安全地假设：

• 标签是具有二进制值的向量 {0,1}
• logits 是与标签具有相同维度的向量，其值来自整个 ]-∞, ∞[

因此我应该在最后一层跳过 ReLU（以确保最终输出可以为负）。

或者说 logits 是有界的并代表概率？

我对此不是 100% 确定。

Answer 1

你是对的。您的标签虽然可以是 0 和 1 之间的任何实数，即使它可能是或通常是。但理论上（偶尔实践）这里的标签可以是 [0,1] 范围内的任何实数。

关于logits：没有激活。你是对的。

sigmoid_cross_entropy_with_logits 函数使用逻辑损失为：

x 是你的日志。你基本上已经在sigmoid-part 中激活了。