1

在尝试使用此处描述的 L2 正则化实现交叉熵损失A Fast and Accurate Dependency Parser using Neural Networks时,我得到了错误:ValueError: Cannot feed value of shape (48,) for Tensor u'Placeholder_2:0', which has shape '(48, 1)在训练的几个步骤中得到负损失后。我的损失如下:

self.loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=self.prediction, labels=self.train_labels)) 
         + 1e-8 * (tf.nn.l2_loss(w1) 
         + tf.nn.l2_loss(w2))

并且是第0步的负值。我相信我的问题是一些标签是-1并且应该被忽略,如论文中所述:“一个轻微的变化是我们仅在实践中的可行转换中计算softmax概率”。在计算损失时,我将如何忽略这些标签?

4

0 回答 0