如何在張量流中使用tf.losses.log_loss？

Question

tf.losses.log_loss的輸入是什麼？

cross_entropy = tf.losses.log_loss(labels, predictions) 

有人能告訴我一些關於它的例子嗎？ 官方指南沒有例子。

Answer 1

創建一個估算：

m = tf.estimator.DNNClassifier(
    model_dir=model_dir, 
    feature_columns=base_columns, 
    hidden_units=[1024,512,256,128,64,32]) 

訓練你的模型：

m.train(
    input_fn=input_fn('numerai_training_data.csv', num_epochs=4, shuffle=True), 
    steps=1000) 

運行您的預測，從測試數據集上設置標籤：

predictionTest = m.predict(input_fn=input_predict_fn('numerai_tournament_data_test.csv', shuffle=False)) 
labels = getLabels('numerai_tournament_data_test.csv') 
predicted_classes = [p["classes"] for p in predictionTest] 

運行你log_loss：

tf.losses.log_loss(predicted_classes,labels,weights=1.0,scope=None, epsilon=1e-07,loss_collection=tf.GraphKeys.LOSSES,reduction=tf.losses.Reduction.SUM_BY_NONZERO_WEIGHTS) 
losses=tf.losses.get_losses(scope=None,loss_collection=tf.GraphKeys.LOSSES) 

除非你還在計算數量，在這種情況下無視這個答案。