来自多输入模型架构的Logits熵损失函数转换为单个Tensorflow乙状结肠

问题描述

我已经实现了绝大多数的多输入模型，并且在最后几个步骤中苦苦挣扎，为两个传入的logit张量定义单损失函数。

让我说以下内容：

Directory.GetFiles

然后我想将它们提供给following损失函数：

logits_cnn =  tf.layers.dense(input1) # shape is [batch_size,num_classes] (e.g. [64,1])
logits_lstm = tf.layers.dense(input2) # shape is [batch_size,1])

我在想这样的事情：

tf.losses.sigmoid_cross_entropy(multi_class_labels,logits,...)

实现损失有道理吗？我觉得这在概念上不是正确的方法。例如，如果logits_concat = tf.concat(values = [logits_cnn,logits_lstm],axis= -1,name='concat_logits') loss = tf.losses.sigmoid_cross_entropy(multi_class_labels= y,logits = logits_concat) 的形状为y，而[64,1]的形状为logits_concat，那么我建议您参加2个课，这不是我的意图。>

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）