Python 二进制交叉熵和二进制交叉熵与keras中logits的区别是什么？
在keras后端，我们有一个标志Python 二进制交叉熵和二进制交叉熵与keras中logits的区别是什么？,python,machine-learning,keras,lstm,rnn,Python,Machine Learning,Keras,Lstm,Rnn,在keras后端，我们有一个标志，其中包含_logits。普通二进制交叉熵和使用logits的二进制交叉熵有什么区别？假设我使用的是seq2seq模型，我的输出序列类型为100111100011101 如果我在输入和时间步中给出了类似的序列，那么递归LSTM或RNN应该使用什么来从这些数据中学习呢？这取决于丢失函数之前是否有一个sigmoid层 如果有一个乙状结肠层，它会将班级分数压缩成概率，在这种情况下，来自_logits的应该是False。损失函数将把概率转换成logits，因为这是tf.n
，其中包含_logits100111100011101如果我在输入和时间步中给出了类似的序列，那么递归LSTM或RNN应该使用什么来从这些数据中学习呢？这取决于丢失函数之前是否有一个sigmoid层 如果有一个乙状结肠层，它会将班级分数压缩成概率，在这种情况下，来自_logits的
应该是False
。损失函数将把概率转换成logits，因为这是tf.nn.sigmoid\u交叉\u熵与\u logits
所期望的
如果输出已经是logit（即原始分数），则不进行转换
这两种选择都是可能的，选择取决于您的网络体系结构。顺便说一句，如果术语logit看起来很吓人，那么看看哪一个详细讨论了它