0
基于ob在seq2seq模型中的损失函数(“sequence_loss_by_example” - 此处的上下文translate.py)我想评估一个实数值估计器的成本。我希望模型能够猜出可能在规模上变化很大的实际值。如何结合两个Crossentropies
现在,我的问题是:您是否可以反馈两个交叉熵的组合是否符合我实现它们的方式。我可以追加它们然后add_n它们吗?
for logit, target, weight in zip(logits, targets, weights):
real_target = target[:, 0:11]
real_logit = logit[:, 0:11]
anteil_target = target[:, 11:]
anteil_logit = logit[:, 11:]
total_size += 1.1 * weight
crossent = weight * nn_ops.softmax_cross_entropy_with_logits(real_logit, real_target, name="main_bits_loss")
crossent_anteil = 0.1 * weight * nn_ops.softmax_cross_entropy_with_logits(anteil_logit, anteil_target, name="anteil_bits_loss")
log_perp_list.append(crossent)
log_perp_list.append(crossent_anteil)
log_perps = math_ops.add_n(log_perp_list)/total_size
return log_perps
而且:为了调试,我该如何给这个张量命名?
real_target = target[:, 0:11]
喜欢的东西:
real_target = target[:, 0:11]
real_target.name('name_goes_here')
?
THX一堆 菲利普