在使用TensorFlow中会遇到一些其基本的用法,再次作为记录备忘!
在计算整体的loss是会将不同部分的loss放入一个集合中,最后计算整体的loss,因此会用到tf.add_to_collection,具体参考TensorFlow中的cifar10的例子,用法如下所示:
tf.add_to_collection:把变量放入一个集合,把很多变量变成一个列表 tf.get_collection:从一个结合中取出全部变量,是一个列表 tf.add_n:把一个列表的东西都依次加起来 123 123一般这样用:
tf.add_n(tf.get_collection("losses"),name='name') 其中losses是一个集合 12 12关于TensorFlow中softmax和entropy的计算:
pre = tf.Variable([[10.0,0.0,0.0],[0.0,10.0,0.0],[0.0,0.0,10.0]]) lab =tf.Variable([[1.0,0.0,0.0],[0.0,1.0,0.0],[0.0,0.0,1.0]]) #计算softmax y = tf.nn.softmax(pre) #计算交叉熵 cross_entropy = tf.reduce_mean(-tf.reduce_sum(lab*tf.log(y),reduction_indices=[1])) #一次性计算softmax and entropy loss = tf.contrib.losses.softmax_cross_entropy(pre,lab) 12345678 12345678大部分应用中标识的分布都会比较稀疏,可以使用下面方式提高效率:
tf.contib.losses.sparse_softmax_cross_entropy(logits,labels) 1 1http://blog.csdn.net/john_xyz/article/details/60882535