Keras如何处理分类交叉熵的log（0）？
我有一个在MNIST上训练的神经网络，它的损失函数是分类交叉熵 出于理论目的，我的输出层是ReLu。所以很多 其输出为0 现在我偶然发现了以下问题： 为什么我没有得到很多错误，因为肯定会有很多错误 输出中的零，我将对其进行日志记录 为了方便起见，这里给出了分类交叉熵的公式Keras如何处理分类交叉熵的log（0）？,keras,cross-entropy,loss-function,Keras,Cross Entropy,Loss Function,我有一个在MNIST上训练的神经网络，它的损失函数是分类交叉熵 出于理论目的，我的输出层是ReLu。所以很多 其输出为0 现在我偶然发现了以下问题： 为什么我没有得到很多错误，因为肯定会有很多错误 输出中的零，我将对其进行日志记录 为了方便起见，这里给出了分类交叉熵的公式 中没有记录它，它似乎取决于后端，但我很确定它们不会生成logy，而是log（y+epsilon），其中epsilon是一个小常量，以防止log（0）。您确定对输出层使用ReLu吗？也许您实际上使用的是通常的softmax功能，
中没有记录它，它似乎取决于后端，但我很确定它们不会生成logy，而是log（y+epsilon），其中epsilon是一个小常量，以防止log（0）。您确定对输出层使用ReLu吗？也许您实际上使用的是通常的softmax功能，而没有意识到这一点。如果你仍然需要帮助，我建议你发布你的代码。我再也找不到确切的代码了，但我确信，我在输出层使用了ReLU。整个事情对我来说仍然是个谜。但显然不是紧急情况：）