[英]Error with tf.nn.sparse_softmax_cross_entropy_with_logits
[英]Unexpected output for tf.nn.sparse_softmax_cross_entropy_with_logits
tf.nn.sparse_softmax_cross_entropy_with_logits
的TensorFlow文檔明確聲明我不應該將softmax應用於此操作的輸入:
該操作期望未縮放的logit,因為它在內部對logit執行softmax以提高效率。 不要使用softmax的輸出來調用該操作,因為它將產生錯誤的結果。
但是,如果我使用不帶softmax的交叉熵,則會給我帶來意想不到的結果。 根據CS231n課程 ,CIFAR-10的預期損失值約為2.3:
例如,對於具有Softmax分類器的CIFAR-10,我們預計初始損失為2.302,因為我們期望每個類別的彌散概率為0.1(因為有10個類別),而Softmax損失是該類別的負對數概率正確的類,這樣:-ln(0.1)= 2.302。
但是,如果沒有softmax,我會得到更大的值,例如108.91984。
sparse_softmax_cross_entropy_with_logits
我到底在做什么錯? TF代碼如下所示。
import tensorflow as tf
import numpy as np
from tensorflow.python import keras
(_, _), (x_test, y_test) = keras.datasets.cifar10.load_data()
x_test = np.reshape(x_test, [-1, 32, 32, 3])
y_test = np.reshape(y_test, (10000,))
y_test = y_test.astype(np.int32)
x = tf.placeholder(dtype=tf.float32, shape=(None, 32, 32, 3))
y = tf.placeholder(dtype=tf.int32, shape=(None,))
layer = tf.layers.Conv2D(filters=16, kernel_size=3)(x)
layer = tf.nn.relu(layer)
layer = tf.layers.Flatten()(layer)
layer = tf.layers.Dense(units=1000)(layer)
layer = tf.nn.relu(layer)
logits = tf.layers.Dense(units=10)(layer)
# If this line is uncommented I get expected value around 2.3
# logits = tf.nn.softmax(logits)
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y,
logits=logits)
loss = tf.reduce_mean(loss, name='cross_entropy')
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
res = sess.run(loss, feed_dict={x: x_test[0:256], y: y_test[0:256]})
print("loss: ", res)
# Expected output is value close to 2.3
# Real outputs are 108.91984, 72.82324, etc.
問題不在線上
# If this line is uncommented I get expected value around 2.3
# logits = tf.nn.softmax(logits)
cifar10數據集中的圖像為RGB,因此像素值在[0,256)范圍內。 如果將x_test
除以255
x_test = np.reshape(x_test, [-1, 32, 32, 3]).astype(np.float32) / 255
值將重新縮放為[0,1], tf.nn.sparse_softmax_cross_entropy_with_logits
將返回預期值
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.