Python MXNet中的交叉熵和负熵有什么区别?
我试图使用模块评估我的分类模型和日志损失度量 我遇到了两个类:它们具有相同的定义和非常相似的实现。两者都有相同的计算度量值的核心代码:Python MXNet中的交叉熵和负熵有什么区别?,python,classification,mxnet,loss-function,cross-entropy,Python,Classification,Mxnet,Loss Function,Cross Entropy,我试图使用模块评估我的分类模型和日志损失度量 我遇到了两个类:它们具有相同的定义和非常相似的实现。两者都有相同的计算度量值的核心代码: self.sum\u metric+=(-numpy.log(prob+self.eps)).sum() 如果它们本质上是相同的度量,那么在库中维护这两个函数的目的是什么?对于二进制和多类分类,哪个度量是首选的?实际上,这些东西之间并没有太大的区别,不仅在MXNet中,而且在总体上也是如此。请阅读本《古兰经》,了解更多直觉: 至于MXNet中用于多类分类的内容,
self.sum\u metric+=(-numpy.log(prob+self.eps)).sum()
如果它们本质上是相同的度量,那么在库中维护这两个函数的目的是什么?对于二进制和多类分类,哪个度量是首选的?实际上,这些东西之间并没有太大的区别,不仅在MXNet中,而且在总体上也是如此。请阅读本《古兰经》,了解更多直觉:
至于MXNet中用于多类分类的内容,那么在大多数示例中我都看到人们使用它。请参见此处的示例:这很奇怪,如果它们相同,则源代码应明确声明“一个是另一个的同义词”,并有一个共享实现,否则它违反了DRY原则