python - 如何为张量流中的多标签分类的不平衡数据实现加权损失

Question

我有一个不平衡的数据集，我的任务是多标签分类

这是我减少损失的代码：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
        logits=logits, labels=labels, name='xent')
loss = tf.reduce_mean(xent, name='loss_op')

现在。我想weighted-loss用于我的分类，我该怎么做呢？我可以使用这个链接，并替换softmax为sigmoid？

观点

我已阅读此链接，但我的情况不是二进制分类，在tensorflow_org中我认为它也适用于二进制分类。

Answer 1

你可以使用tf.losses.compute_weighted_loss. 我建议阅读代码以确切了解此功能的工作原理，但您应该能够大致做到：

logits = inference(input)
xent = tf.nn.sigmoid_cross_entropy_with_logits(
    logits=logits, labels=labels, name='xent')
weighted_loss = tf.losses.compute_weighted_loss(xent, YOUR_WEIGHTS, name='weighted_loss_op')