tf.keras.losses.categorical_crossentropy() 没有输出它应该输出的内容

Question

我正在尝试用 3 类训练分类器 CNN。我正在尝试解决我的损失函数。我正在测试 tf.keras.losses.CategoricalCrossentropy() 和 tf.keras.losses.categorical_crossentropy().numpy()。我遵循 the tensorflow documentation.

中的独立使用指南

我认为我没有得到应有的正确输出。当我输入 y_true=[0.,1.,0.] 和 y_pred=[1.,0.,0.] 时，我预计会丢失无穷大（程序中的输出：nan）。但是，我收到的输出是 16.118095。当分类与标签对齐时（即 y_true=[1.,0.,0.] 和 y_pred=[1.,0.,0.]），输出为 1.192093e-07，即使我期望完美的 0.

我对这种行为感到很困惑。同样，对于 1 长向量情况：y_true=[1.] 和 y_pred=[0.] 损失是 16.118095，同样当分类对齐 y_true=[1.] 和 y_pred=[1.] 我收到 1.192093e-07 和 y_true=[0.] 和 y_pred=[0.] 结果是 nan.

我认为总结我得到的结果、我期望的结果以及我输入到损失函数中的值会使事情更具可读性，所以我将在下面这样做：

`y_true`	`y_pred`	Actual Output	What I Expect
`[0.,1.,0.]`	`[1.,0.,0.]`	16.118095	`nan` or infinity
`[1.,0.,0.]`	`[1.,0.,0.]`	1.192093e-07	True 0
`[0.,1.]`	`[1.,0.]`	16.118095	`nan` or infinity
`[1.,0.]`	`[1.,0.]`	1.192093e-07	True 0
`[1.]`	`[0]`	`nan` or infinity	`nan` or infinity
`[1.]`	`[1.]`	1.192093e-07	True 0

如果这是一个微不足道的问题，我很抱歉，但我真的不知道为什么我会得到我得到的结果。我认为出了点问题，因为我只得到 16 而不是无穷大，但如果没有任何问题，我希望得到保证。如果我错了，我将不胜感激。

Answer 1

原因是 tf.keras.losses.categorical_crossentropy 在 y_pred 等于 1 或 0 时对 y_pred 应用了一个小的偏移量 (1e-7)，这就是为什么在您的情况下您看不到您期望的输出。

import tensorflow as tf

def categorical_crossentropy(y_true, y_pred, clip=False):
    if clip == True:
        y_pred = tf.clip_by_value(y_pred, 1e-7, 1 - 1e-7)
    return - tf.experimental.numpy.nansum(y_true * tf.math.log(y_pred))

y_true = [0., 1., 0.]
y_pred = [1., 0., 0.]

print(tf.keras.losses.categorical_crossentropy(y_true, y_pred).numpy())
# 16.118095

print(categorical_crossentropy(y_true, y_pred, clip=True).numpy())
# 16.118095

print(categorical_crossentropy(y_true, y_pred, clip=False).numpy())
# inf

y_true = [1., 0., 0.]
y_pred = [1., 0., 0.]

print(tf.keras.losses.categorical_crossentropy(y_true, y_pred).numpy())
# 1.1920929e-07

print(categorical_crossentropy(y_true, y_pred, clip=True).numpy())
# 1.1920929e-07

print(categorical_crossentropy(y_true, y_pred, clip=False).numpy())
# -0.0

y_true = [0., 1., 0.]
y_pred = [0.05, 0.95, 0.]

print(tf.keras.losses.categorical_crossentropy(y_true, y_pred).numpy())
# 0.051293306

print(categorical_crossentropy(y_true, y_pred, clip=True).numpy())
# 0.051293306

print(categorical_crossentropy(y_true, y_pred, clip=False).numpy())
# 0.051293306

tf.keras.losses.categorical_crossentropy() 没有输出它应该输出的内容

tf.keras.losses.categorical_crossentropy() does not output what it should output

python

deep-learning

keras

tensorflow

loss-function