Tensorflow：具有交叉熵的縮放logits

在Tensorflow中，我有一個分類器網絡和不平衡的培訓班。由於各種原因，我不能使用重採樣來補償不平衡的數據。因此，我不得不通過其他方式補償失衡，特別是根據每個類別中例子的數量乘以權重。我知道這不是首選方法，但重採樣不是一種選擇。我的訓練損失是tf.nn.softmax_cross_entropy_with_logits（我也可能嘗試tf.nn.sparse_softmax_cross_entropy_with_logits）。所述Tensorflow文檔包括在這些OPS的描述如下：Tensorflow：具有交叉熵的縮放logits

警告：該運算預計未縮放logits，因爲它提高效率上執行logits一個SOFTMAX 內部。不要用softmax的輸出調用此操作，因爲它會產生不正確的結果。

我的問題：上面只提到了警告縮放通過SOFTMAX完成，還是意味着任何類型的任何分對數比例是被禁止的？如果是後者，那麼我的班級重新平衡logit縮放會導致錯誤的結果？

感謝，

羅恩

來源

2016-09-30 Ron Cohen

好奇你是否找到了適合你的解決方案？我面臨着類似的挑戰，想知道其他人如何設法處理它？ –

我試着將每個例子的交叉熵乘以實例的真實類的權重，結果可疑。我已經採取了重新採樣數據。 –

的警告只是通知您tf.nn.softmax_cross_entropy_with_logits將輸入logits應用softmax，計算交叉熵之前。這個警告似乎確實可以避免兩次應用softmax，因爲交叉熵結果會非常不同。

這裏是在相關source code評論，關於實現tf.nn.softmax_cross_entropy_with_logits功能：

// NOTE(touts): This duplicates some of the computations in softmax_op 
// because we need the intermediate (logits -max(logits)) values to 
// avoid a log(exp()) in the computation of the loss.

由於預警狀態，這種實現是提高性能，你不應該把自己的告誡softmax層作爲輸入（在實踐中這有點方便）。

如果強制softmax妨礙您的計算，也許另一個API可能有所幫助：tf.nn.sigmoid_cross_entropy_with_logits或者tf.nn.weighted_cross_entropy_with_logits。

的實施似乎並沒有表明，雖然，任何比例將影響結果。我想線性縮放函數應該沒問題，只要它保留了原始的logits重新分區。但是無論在輸入邏輯上應用什麼，在計算交叉熵之前，tf.nn.softmax_cross_entropy_with_logits將應用softmax。

來源

2016-09-30 03:40:29

Tensorflow：具有交叉熵的縮放logits

回答

相關問題