我正在尝试使用TensorFlow实现多标签分类(即,每个输出模式可以具有许多活动单元) . 该问题具有不 balancer 的类(即,比标签分布中的零更多的零,这使得标签模式非常稀疏) .
解决问题的最佳方法应该是使用 tf.nn.weighted_cross_entropy_with_logits
函数 . 但是,我收到此运行时错误:
ValueError: Tensor conversion requested dtype uint8 for Tensor with dtype float32
我无法理解这里有什么问题 . 作为损失函数的输入,我传递标签张量,logits张量和正类权重,这是一个常量:
positive_class_weight = 10
loss = tf.nn.weighted_cross_entropy_with_logits(targets=labels, logits=logits, pos_weight=positive_class_weight)
关于如何解决这个问题的任何提示?如果我只是传递相同的标签并将张量记录到 tf.losses.sigmoid_cross_entropy
损失函数,那么一切都运行良好(在Tensorflow正常运行的意义上,但当然训练预测总是为零) .
请参阅相关问题here .
1 回答
在丢失函数之后可能会抛出错误,因为
tf.losses.sigmoid_cross_entropy
和tf.nn.weighted_cross_entropy_with_logits
之间唯一的显着差异是返回张量的形状 .看看这个例子:
张量
logits
和labels
是一种人造的,都具有形状(10,)
. 但重要的是weighted_loss
和sigmoid_loss
是不同的 . 这是输出:这是因为
tf.losses.sigmoid_cross_entropy
执行减少(默认情况下为总和) . 所以为了复制它,你必须用tf.reduce_sum(...)
包装加权损失 .如果这没有帮助,请确保
labels
tensor的类型为float32
. 这个bug非常容易制作,例如,以下声明不起作用:您可能也有兴趣阅读this question .