forked from huawei/mindspore2022
32 lines
1.2 KiB
ReStructuredText
32 lines
1.2 KiB
ReStructuredText
mindspore.ops.SoftmaxCrossEntropyWithLogits
|
||
============================================
|
||
|
||
.. py:class:: mindspore.ops.SoftmaxCrossEntropyWithLogits
|
||
|
||
使用one-hot编码获取预测值和真实之间的softmax交叉熵。
|
||
|
||
SoftmaxCrossEntropyWithLogits算法的更新公式如下：
|
||
|
||
.. math::
|
||
\begin{array}{ll} \\
|
||
p_{ij} = softmax(X_{ij}) = \frac{\exp(x_i)}{\sum_{j = 0}^{N-1}\exp(x_j)} \\
|
||
loss_{ij} = -\sum_j{Y_{ij} * ln(p_{ij})}
|
||
\end{array}
|
||
|
||
其中 :math:`X` 代表 `logits` 。 :math:`Y` 代表 `label` 。 :math:`loss` 代表 `output` 。
|
||
|
||
**输入：**
|
||
|
||
- **logits** (Tensor) - 输入预测值，其shape为 :math:`(N, C)` ，数据类型为float16或float32。
|
||
- **labels** (Tensor) - 输入真实值，其shape为 :math:`(N, C)` ，数据类型与 `logits` 的相同。
|
||
|
||
**输出：**
|
||
|
||
两个Tensor(loss, dlogits)组成的tuple， `loss` 的shape为 :math:`(N,)` ， `dlogits` 的shape与 `logits` 的相同。
|
||
|
||
**异常：**
|
||
|
||
- **TypeError** - `logits` 或 `labels` 的数据类型既不是float16也不是float32。
|
||
- **TypeError** - `logits` 或 `labels` 不是Tensor。
|
||
- **ValueError** - `logits` 的shape与 `labels` 的不同。
|
||
|