keras - tflearn 中的稀疏分类交叉熵损失
问题描述
我正在将https://www.tensorflow.org/tutorials/中的 mnist 示例翻译成来自 keras 的 tflearn。但是,在 tflearn 中,没有 sparse_categorical_crossentropy,只有 categorical_crossentropy。因此,我必须将所有 y 向量(它只是一个整数 1...10,指定数据集中的图像属于哪个类)转换为 [0...1...0] 形式的 1x10 向量.
在 Keras 中,我可以根据目标是索引的整数还是 [0 0 ... 1 ... 0] 形式的向量,在 sparse_categorical_crossentropy 和 categorical_crossentropy 之间进行切换。
tflearn 中是否有类似的损失函数,或者 categorical_crossentropy 是唯一的选择吗?
解决方案
推荐阅读
- api - 共享同一包的 API 中的反射
- windows - 每五帧添加关键帧?自动热键?
- perl - 为什么在 perl 中将 csv 转换为 xlsx 时文件大小会发生变化
- c# - C# 尽可能高效地从字符串中删除回车符、换行符和空格(基准)
- masstransit - DelegateEndpointDefinition IsTemporary
- javascript - Snackbar 未在页面中呈现
- reactjs - Material-Table里面的开关打不开
- ant - Jacoco 覆盖在 java 类中为 org/apache/log4j/Category 提供错误
- java - JPA 与共享主键的单向@OneToOne 关系始终触发辅助查询,即使 fetchType 为 EAGER
- flutter - 如何使用 bloc flutter 更改单个列表项的状态?