tensorflow-softmax忽略负标签（就像caffe一样） [英] tensorflow - softmax ignore negative labels (just like caffe)

问题描述

在Caffe中，有一个选项带有SoftmaxWithLoss函数，可忽略计算概率中的所有负标签（-1），因此只有0或正标签概率加起来为1。

In Caffe, there is an option with its SoftmaxWithLoss function to ignore all negative labels (-1) in computing probabilities, so that only 0 or positive label probabilities add up to 1.

Tensorflow softmax损失有类似的功能吗？

Is there a similar feature with Tensorflow softmax loss?

推荐答案

只是想出一种解决方法---我使用tf在标签索引上创建了一个单张量。 one_hot（深度设置为标签数）。 tf.one_hot自动将所得的one_hot张量（形状为[批处理，标签的数量]）中所有带有-1的索引归零。

Just came up with a work-around --- I created a one-hot tensor on the label indices using tf.one_hot (with the depth set at the # of labels). tf.one_hot automatically zeros out all indices with -1 in the resulting one_hot tensor (of shape [batch, # of labels])

这将启用softmax损失（即tf。 nn.softmax_cross_entropy_with_logits）以忽略所有-1个标签。

This enables softmax loss (i.e. tf.nn.softmax_cross_entropy_with_logits) to "ignore" all -1 labels.

这篇关于tensorflow-softmax忽略负标签（就像caffe一样）的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！