首页 > 其他 > 详细

损失函数相关

时间:2021-01-07 15:51:57      阅读:23      评论:0      收藏:0      [点我收藏+]

参考:https://my.oschina.net/u/876354/blog/1940819
https://zhuanlan.zhihu.com/p/33560183
https://www.jianshu.com/p/cf235861311b

1、典型场景(回归、分类)下的损失函数

技术分享图片

总结,对于回归问题经常会使用MSE均方误差(L2取平均)计算损失,对于分类问题经常会使用Sigmoid交叉熵损失函数。

2、典型损失函数的使用方式

、2.1 L2正则损失函数(回归场景)
# L2损失

loss_l2_vals=tf.square(y_pred - y_target)

loss_l2_out=sess.run(loss_l2_vals)

# 均方误差

loss_mse_vals= tf.reduce.mean(tf.square(y_pred - y_target))

loss_mse_out = sess.run(loss_mse_vals)

损失函数相关

原文:https://www.cnblogs.com/ying-chease/p/14245824.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!