Tensorflow.js tf.losses.softmaxCrossEntropy() Función

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

La función Tensorflow.js tf.losses.softmaxrossEntropy() calcula la pérdida de entropía cruzada softmax entre dos tensores y devuelve un nuevo tensor.

Sintaxis:

tf.losses.softmaxCrossEntropy(onehotLabels, 
    logits, weights, labelSmoothing, reduction)

Parámetros: Esta función acepta cinco parámetros (de los cuales los tres últimos son opcionales) que se ilustran a continuación:

• onehotLabels: Es una etiqueta codificada en caliente que tiene las mismas dimensiones que las predicciones.
• logits: Son las salidas predichas.
• pesos: Son aquellos tensores cuyo rango es 0 ó 1, y deben ser moldeables anchos a pérdida de forma.
• labelSmoothing: si el valor de este parámetro es mayor que 0, suaviza las etiquetas.
• reducción: Es el tipo de reducción a aplicar a la pérdida. Debe ser de tipo Reducción.

Nota: Los parámetros como pesos, suavizado de etiquetas y reducción son opcionales.

Valor de retorno: Devuelve un tensor que tiene pérdida de entropía cruzada softmax entre dos tensores.

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// Creating onehotLabels tensor
const a  = tf.tensor2d([[1, 4, 5], [5, 5, 7]]);
 
// Creating logits tensor
const b    = tf.tensor2d([[3, 2, 5], [3, 2, 7]])
 
// Computing soft max cross entropy distance
softmax_cross_entropy = tf.losses.softmaxCrossEntropy(a, b)
softmax_cross_entropy.print();

Producción:

Tensor
   30.55956268310547

Ejemplo 2: En este ejemplo, estamos pasando un parámetro opcional que es el suavizado de etiquetas. Si es mayor que 0, suaviza las etiquetas. 

// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
 
// const tf = require("@tensorflow/tfjs")
 
// Creating labels tensor
const a = tf.tensor2d([[1,2,3,4,5], [7,8,9,10,11]])
 
// Creating predictions tensor
const b = tf.tensor2d([[6,735,8,59,10], [45,34,322,2,3]])
 
const c = tf.tensor2d([[4,34,34,2,4],[65,34,3,2,3]])
 
// Computing cross entropy  with an option parameter number
softmax_cross_entropy = tf.losses.softmaxCrossEntropy(a, b, 5)
softmax_cross_entropy.print();

Producción:

Tensor
    50477.5

Referencia: https://js.tensorflow.org/api/latest/#losses.softmaxCrossEntropy