tensorflow中多标签分类的不平衡数据如何实现加权损失答案

【问题标题】：How to implemet weighted loss for imbalanced data for multi-label classification in tensorflowtensorflow中多标签分类的不平衡数据如何实现加权损失
【发布时间】：2018-06-09 18:55:34
【问题描述】：

我有一个不平衡的数据集，我的任务是多标签分类

这是我最小化损失的代码：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
        logits=logits, labels=labels, name='xent')
loss = tf.reduce_mean(xent, name='loss_op')

现在。我想使用weighted-loss 进行分类，我该怎么做？我可以使用this link，并将softmax 替换为sigmoid 吗？

点

我已阅读this link，但我的情况不是二进制分类在tensorflow_org 我认为它也是用于二进制分类。

【问题讨论】：

标签： python tensorflow loss-function

【解决方案1】：

您可以使用tf.losses.compute_weighted_loss。我建议阅读the code 以确切了解此功能的工作原理，但您应该能够大致做到：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
    logits=logits, labels=labels, name='xent')
weighted_loss = tf.losses.compute_weighted_loss(xent, YOUR_WEIGHTS, name='weighted_loss_op')

【讨论】：