TypeError: sigmoid_cross_entropy_with_logits() 参数错误怎么改

zyq_go 2019-01-10 07:43:00

TypeError: sigmoid_cross_entropy_with_logits() got an unexpected keyword argument 'targets'

...全文

469 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

买猫咪的小鱼干 2020-09-29

打赏
举报

回复 2

改成'labels'试试

陈年椰子 2019-01-11

打赏
举报

回复

是Tensorflow出错，看看是什么版本的？升级到最高版本试试。

File ".\train.py", line 80, in train batch_size=args["batch_size"], epochs=args["epoch"], callbacks=callback_list, verbose=1) File "F:\Anaconda3\lib\site-packages\tensorflow\python\keras\engine\training.py", line 108, in _method_wrapper return me

binary_cross_entropy和binary_cross_entropy_with_logits都是来自torch.nn.functional的函数，首先对比官方文档对它们的区别：区别只在于这个logits，那么这个logits是什么意思呢？以下是从网络上找到的一个答案：有一个（类）损失函数名字中带了with_logits. 而这里的logits指的是,该损失函数已经内部自带了计算logit的操作，无需在传入给这个loss函数之前手动使用sigmoid/softmax将之前网络的输入映射到[

是直接使用自定义的交叉熵损失，附有label_smoothing的参数设置。麻烦的解决方案：升级torch版本，比如。： torch版本问题，用的是可能是。

报错信息： TypeError: cross_entropy_loss(): argument ‘input’ (position 1) must be Tensor, not GoogLeNetOutputs 需要把model输出的GoogLeNetOutputs转化为适用于损失函数的logits形式 output = model(x) output = output.logits

PyTorch 中的函数计算的是带有逻辑斯特回归（logistic regression）的二元交叉熵损失。这个函数适用于当模型的输出是未经过 sigmoid 激活的原始 logits 时。它在内部应用 sigmoid 函数，然后计算二元交叉熵损失。

37,743

社区成员

34,212

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

试试用AI创作助手写篇文章吧

+ 用AI写文章