使用logits的TensorFlow稀疏分类交叉熵

Question

我是一名初学者程序员，尝试按照这个指南进行操作。然而，我遇到了一个问题。指南中说要将损失函数定义为：

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

这让我收到以下错误信息：

“sparse_categorical_crossentropy()” 得到了一个意外的关键字参数 'from_logits'。

我的理解是，这个意味着函数中没有指定 from_logits 参数，这与文档支持的事实相符。tf.keras.losses.sparse_categorical_crossentropy() 只有两个可能的输入。

是否需要指定 logits 被使用的方法或者是否有必要这样做？

- Pseudo Nym

---

您可能需要验证您是否拥有正确的TensorFlow版本。 - Mateen Ulhaq

参考：tf.keras.backend.sparse_categorical_crossentropy - Mateen Ulhaq

Answer 1

我在学习教程时遇到了同样的问题。我把代码改成了...。

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

to

def loss(labels, logits):
    return tf.nn.sparse_softmax_cross_entropy_with_logits(labels=labels, logits=logits)

这样做解决了问题，而无需安装tf-nightly。

- Seth

Answer 2

from_logits 参数在 Tensorflow 1.13 中引入。

你可以通过这些 URL 来比较 1.12 和 1.13 版本：

https://github.com/tensorflow/tensorflow/blob/r1.12/tensorflow/python/keras/losses.py
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/python/keras/losses.py

在撰写本文时，1.13版本尚未发布。这就是为什么教程从这行代码开始的原因。

!pip install -q tf-nightly

- c_froehlich