为什么我在编写自己的表达式时得到的结果与使用 tensorflow 的方法不同？

如何解决为什么我在编写自己的表达式时得到的结果与使用 tensorflow 的方法不同？

我正在学习逻辑回归，我想在通过梯度下降最小化过程中计算交叉熵损失函数的值是多少，但是当我使用 tensorflow 的 sigmoid_cross_entropy_with_logits 函数时，我得到的结果与我自己得到的结果不同表达。

这是一个例子：

import numpy as np
import tensorflow as tf

pred = np.array([[0.2],[0.3],[0.4]])
test_y = np.array([[0.5],[0.6],[0.7]])
print(tf.nn.sigmoid_cross_entropy_with_logits(logits = pred,labels = test_y))
print(-test_y * tf.math.log(pred) - (1-test_y) * tf.math.log(1-pred))

输出：

tf.Tensor(
[[0.69813887]
 [0.67435524]
 [0.63301525]],shape=(3,1),dtype=float64)
tf.Tensor(
[[0.91629073]
 [0.86505366]
 [0.7946512 ]],dtype=float64)

谁能给我解释一下这有什么问题？我查看了有关其功能的 tensorflow 文档，看起来它应该与我的表达式完全相同。

解决方法

在计算交叉熵损失之前，您忘记采用预测的 sigmoid pred：

-test_y * tf.math.log(tf.math.sigmoid(pred)) - (1-test_y) * tf.math.log(1-tf.math.sigmoid(pred))

tf.Tensor(
[[0.69813887]
 [0.67435524]
 [0.63301525]],shape=(3,1),dtype=float64)