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:Python 如何在tensorflow中实现多标签分类中不平衡数据的加权损失,python,tensorflow,loss-function,Python,Tensorflow,Loss Function,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si
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')