【问题标题】:Pytorch CrossEntropyLoss Tensorflow EquivalentPytorch CrossEntropyLoss 张量流等效
【发布时间】:2021-03-16 11:56:08
【问题描述】:

我目前正在将 pytorch 代码翻译成 tensorflow。 有一点是我在 tensorflow 自定义循环中聚合了 3 个损失,我收到一个错误,我将二维数组与一维数组传递到 tensorflow 的 CategoricalCrossEntropy 中,这是非常合法的,我理解为什么会发生这种情况......但是在 pytorch 代码中,我传递了相同的形状,并且它与 CrossEntropyLoss 完美配合。有人知道我必须做什么才能将其转移到 TF 中吗? 传入的形状是 (17000,100) vs (17000)

【问题讨论】:

    标签: python numpy tensorflow pytorch


    【解决方案1】:

    尝试使用损失loss=tf.keras.losses.sparse_categorical_crossentropy

    【讨论】:

    • 嘿,谢谢你的回答,已经尝试过了,但它不起作用.. 有一个小的挤压必须发生,因为稀疏分类交叉熵期望 (1, 17000)第二个数组,但是当我这样做时,我得到一个除以零的错误。
    • 它更符合(17000,) 的形状。那么我建议您在帖子中包含更多详细信息。
    猜你喜欢
    • 2020-08-20
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2018-10-31
    • 1970-01-01
    • 2021-02-07
    • 2021-11-25
    相关资源
    最近更新 更多