具有logits的tensorflow稀疏分类交叉熵

Question

我是一名新手程序员，正在尝试遵循本指南。但是，我遇到了一个问题。该指南说将损失函数定义为：

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

这给了我以下错误：

sparse_categorical_crossentropy（）获得了意外的关键字参数'from_logits'

我的意思是这from_logits是函数中未指定的参数，该参数受文档支持，该文档tf.keras.losses.sparse_categorical_crossentropy()只有两个可能的输入。

有没有一种方法可以指定正在使用的日志，或者甚至是必要的？

Answer 1

在学习本教程时，我遇到了同样的问题。我更改了代码

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)

至

def loss(labels, logits):
    return tf.nn.sparse_softmax_cross_entropy_with_logits(labels=labels, logits=logits)

这样就解决了问题，而不必每晚安装tf。

Answer 2

该from_logits参数是在Tensorflow 1.13中引入的。

您可以将 1.12 和 1.13 与以下网址进行比较：

https://github.com/tensorflow/tensorflow/blob/r1.12/tensorflow/python/keras/losses.py
https://github.com/tensorflow/tensorflow/blob/r1.13/tensorflow/python/keras/losses.py

在撰写本文时 1.13 尚未发布。这就是为什么本教程以该行开头

!pip install -q tf-nightly