Tensorflow 张量流中的零一损失函数

Tensorflow 张量流中的零一损失函数,tensorflow,Tensorflow,我正在检查张量流库中零一损失的默认实现,以测量二元分类的准确性。我找不到。有人能给我指出正确的资源来找到它吗。如果您有以下输入: y_pred:您的预测。形状张量[批次大小,数量类],[0,1.] y\u true:真实值。相同形状的张量,二进制值0或1 您可以使用以下方法计算损失和准确度: y_pred_binary=tf.round(y_pred) temp=tf.cast(tf.equal(y_pred_binary,y_true),tf.float32) 精度=tf.降低平均值(温度

我正在检查张量流库中零一损失的默认实现,以测量二元分类的准确性。我找不到。有人能给我指出正确的资源来找到它吗。

如果您有以下输入:

  • y_pred
    :您的预测。形状张量
    [批次大小,数量类]
    [0,1.]
  • y\u true
    :真实值。相同形状的张量,二进制值0或1
您可以使用以下方法计算损失和准确度:

y_pred_binary=tf.round(y_pred)
temp=tf.cast(tf.equal(y_pred_binary,y_true),tf.float32)
精度=tf.降低平均值(温度,1)
批次损失=tf.减少总和(温度)
请记住,
batch_loss
没有梯度,因此无法对该损失进行优化。相反,您可以使用S形交叉熵。

如果您有以下输入:

  • y_pred
    :您的预测。形状张量
    [批次大小,数量类]
    [0,1.]
  • y\u true
    :真实值。相同形状的张量,二进制值0或1
您可以使用以下方法计算损失和准确度:

y_pred_binary=tf.round(y_pred)
temp=tf.cast(tf.equal(y_pred_binary,y_true),tf.float32)
精度=tf.降低平均值(温度,1)
批次损失=tf.减少总和(温度)
请记住,
batch_loss
没有梯度,因此无法对该损失进行优化。相反,你可以使用S形交叉熵