Keras损失函数

1

tf.keras.losses.binary_crossentropy(
    y_true=tf.cast(label, dtype=tf.float32), y_pred=tf.nn.sigmoid(logit)
)

计算真实标签和预测标签之间的交叉熵损失
当只有两个标签类(假设为0和1)时，使用这个交叉熵损失。对于每个示例，每个预测都应该有一个浮点值

2

tf.keras.losses.categorical_crossentropy(
    y_true=tf.one_hot(label, logit.shape[0]), y_pred=tf.nn.softmax(logit)
)

用于多分类问题,传入的是one-hot编码目标

3

tf.keras.losses.sparse_categorical_crossentropy(
    y_true=label, y_pred=tf.nn.softmax(logit)
)

如果是int类型的编码目标,使用SparseCategoricalCrossentropy

评价标准

1

accuracy

2

binary_accuracy

3

categorical_accuracy

4

sparse_categorical_accuracy