Python 如何在tensorflow中实现多标签分类中不平衡数据的加权损失

我有一个不平衡的数据集，我的任务是多标签分类

这是我减少损失的代码：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
        logits=logits, labels=labels, name='xent')
loss = tf.reduce_mean(xent, name='loss_op')

现在，我想使用

加权损失

进行分类，具体怎么做？ 我是否可以使用

softmax

并将其替换为

sigmoid

点

我读过，但我的案例不是二进制分类 在我看来，它也适用于二进制分类。

您可以使用。我建议阅读以了解此函数的具体工作原理，但您应该能够大致做到：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
    logits=logits, labels=labels, name='xent')
weighted_loss = tf.losses.compute_weighted_loss(xent, YOUR_WEIGHTS, name='weighted_loss_op')