Есть ли функция логита в tenorflow? - PullRequest
Новая
       60

Есть ли функция логита в tenorflow?

0 голосов
/ 11 июня 2018

Есть ли функция логита в тензорном потоке, то есть обратная сигмоидальная функция?Я искал в Google, но не нашел ни одного.

Ответы [ 2 ]

0 голосов
/ 26 января 2019

tf.log_sigmoid() не является функцией logit.Это журнал логистической функции.

Из документа TF: 

y = log(1 / (1 + exp(-x)))

Насколько я могу судить, TF не имеет функции logit, поэтому вы должны сделать свой собственный, как и предлагалось в первом ответе..

0 голосов
/ 11 июня 2018

РЕДАКТИРОВАТЬ: Как указал @AGP, Tensorflow уже предлагает реализацию: tf.log_sigmoid().

Учитывая определение функции logit(как обратная сигмоидальная логистическая функция), довольно просто реализовать ее самостоятельно (см. Википедия "Logit" article ):

As sigmoid(x) = 1 / (1 + exp(-x)),

logit(y) = sigmoid(x)^-1 = log(y / (1 - p)) = -log( 1 / p - 1)

Реализация: 

import tensorflow as tf

def logit(x):
    """ Computes the logit function, i.e. the logistic sigmoid inverse. """
    return - tf.log(1. / x - 1.)

x = tf.random_uniform((5, ), minval=-10., maxval=10., dtype=tf.float64)

# sigmoid(x):
x_sig = tf.sigmoid(x)

# logit(sigmoid(x)) = x:
x_id = logit(x_sig)

# Verifying the equality:
comp = tf.abs(x - x_id)

with tf.Session() as sess:
    a, a_id, co = sess.run([x, x_id, comp])
    print(a)
    # [ 0.99629643  1.4082849   6.6794731   7.64434123  6.99725702]
    print(a_id)
    # [ 0.99629643  1.4082849   6.6794731   7.64434123  6.99725702]
    print(co)
    # [  2.22044605e-16   0.00000000e+00   7.28306304e-14   4.35207426e-14 7.81597009e-14]

Примечание: Равенство имеет место для довольно небольших значений x (т.е. небольших значенийn для x in [-n, n]), поскольку sigmoid(x) быстро сходится к пределам асимптоты: 

import tensorflow as tf

def logit(x):
    """ Computes the logit function, i.e. the logistic sigmoid inverse. """
    return - tf.log(1. / x - 1.)

x = tf.constant([-1000, -100, -10, -1, 0, 1, 10, 100, 1000], dtype=tf.float64)

# sigmoid(x):
x_sig = tf.sigmoid(x)
# logit(sigmoid(x)) = x:
x_id = logit(x_sig)

with tf.Session() as sess:
    a, a_id = sess.run([x, x_id])
    print(a)
    # [-1000.  -100.   -10.    -1.     0.     1.    10.   100.  1000.]
    print(a_id)
    # [ -inf   -100.   -10.    -1.     0.     1.    10.   inf   inf  ]
...