概述
loss function
MSE
- mean square error，即均方根误差，即
L=1N∑i=1N(ypred−ytrue)2
L
=
1
N
∑
i
=
1
N
(
y
p
r
e
d
−
y
t
r
u
e
)
2
MAE
- mean absolute error，即平均绝对值误差，即
L=1N∑i=1N|ypred−ytrue|
L
=
1
N
∑
i
=
1
N
|
y
p
r
e
d
−
y
t
r
u
e
|
cross entropy
- 二分类：以logistic回归为代表
−1N∑i=1N[yilogpi+(1−yi)log(1−pi)]
−
1
N
∑
i
=
1
N
[
y
i
log
p
i
+
(
1
−
y
i
)
l
o
g
(
1
−
p
i
)
]
- 多分类：以softmax loss为代表，每个样本的loss为
−∑i=1Nyilogpi
−
∑
i
=
1
N
y
i
log
p
i
smooth L1 loss
- 公式如下：
f(x)={(σx)2/2,|x|−0.5/σ2,if x<1/σ2otherwise
f
(
x
)
=
{
(
σ
x
)
2
/
2
,
if
x
<
1
/
σ
2
|
x
|
−
0.5
/
σ
2
,
otherwise
σ σ 是scaler系数，一般设置为1。这个在bounding box regression loss中常用。
KL散度(kullback_leiber_divergence)
- 指的是两个概率分布P和Q差别的非对称性的度量。典型情况下，P表示数据的真实分布，Q表示数据的理论分布、模型分布或P的近似分布。
- 参考链接：https://zhuanlan.zhihu.com/p/28047686
最后
以上就是迅速小笼包为你收集整理的神经网络loss的全部内容，希望文章能够帮你解决神经网络loss所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复