具有label_smoothing的TensorFlow sequence_loss

Question

是否有可能使用label_smoothing与tf.losses.softmax_cross_entropy的tf.contrib.seq2seq.sequence_loss功能？

我可以看到sequence_loss可选择将softmax_loss_function作为参数。但是，这个函数会将targets作为一个整数列表，而不是tf.losses.softmax_cross_entropy所需的单热编码向量，这也是在TensorFlow中支持label_smoothing的唯一函数。

你能推荐一种使用sequence_loss制作label_smoothing的方法吗？

Answer 1

这不能有效地完成。

tf.contrib.seq2seq.sequence_loss设计用于处理非常大的词汇表，因此它期望稀疏族的损失函数（详见this question）。主要区别在于标签使用序数编码而不是单热编码，因为后者需要太多内存。从不计算实际的单热编码。

另一方面，label_smoothing的tf.losses.softmax_cross_entropy参数是操纵单热编码的选项。这是它的作用：

if label_smoothing > 0:
  num_classes = math_ops.cast(
      array_ops.shape(onehot_labels)[1], logits.dtype)
  smooth_positives = 1.0 - label_smoothing
  smooth_negatives = label_smoothing / num_classes
  onehot_labels = onehot_labels * smooth_positives + smooth_negatives

如您所见，要计算此张量，必须明确存储onehot_labels，这正是稀疏函数试图避免的。这就是为什么tf.nn.sparse_softmax_cross_entropy_with_logits和tf.contrib.seq2seq.sequence_loss都没有提供类似的参数。当然，您可以自己进行转换，但这会破坏整个优化。