Python Tensorflow计算加权损失示例

我想使用Tensorflows tf.loss.compute_weighted_loss，但找不到任何好的例子。我有一个多类分类问题，使用tf.nn.sigmoid_cross_entropy_和_logits作为损失。现在我想独立地权衡每个标签的错误。假设我有n个标签，这意味着我需要一个n大小的权重向量。不幸的是，tf希望我传递一个（b，n）形的误差权重矩阵，其中b是批量大小。所以基本上我需要重复权重向量b次。给定一个固定的批大小是可以的，但是如果我的批大小是可变的（例如，数据集末尾的较小批），我必须进行调整。有没有办法解决这个问题，或者我错过了什么？

我只是需要将向量从（n，）重新调整为（1，n），以使广播成为可能：

error_weights = error_weights.reshape(1, error_weights.shape[0])

---

在现有答案的基础上，如果

错误权重

是

张量

，则使用

error_weights = tf.expand_dims(error_weights, 0)  # changes shape [n] to [1, n]

---

没有关系。我只需要将向量从（n，）改为（1，n）就可以进行广播了。