tf.keras.losses.BinaryCrossentropy 损失函数 示例

import tensorflow as tf

计算真实标签和预测标签之间的交叉熵损失。

将此交叉熵损失用于二进制（0 或 1）分类应用程序。即2分类问题

参数

y_true （真实标签）：此值为 0 或 1。
y_pred (predicted value): 这是模型的预测，即单个浮点值，它表示 logit, (i.e, value in [-inf, inf] when from_logits=True) 或概率 (i.e, value in [0., 1.] when from_logits=False).

# Example 1: (batch_size = 1, number of samples = 4)
y_true = [0, 1, 0, 0]
y_pred = [-18.6, 0.51, 2.94, -12.8]
bce = tf.keras.losses.BinaryCrossentropy(from_logits=True)
bce(y_true, y_pred).numpy()

0.865458