概述
经典的损失函数有四种，也可以自己定义损失函数
有几种不同的代价函数，不同的代价函数适用于不同的场景
有二次代价函数，交叉熵代价函数（适用于s型曲线，选择合适的代价函数，可节省训练时间），对数似然代价函数
# 二次代价函数（又叫均方误差（MSE ））
# loss = tf.reduce_mean(tf.square(y - prediction))
计算公式如下：
其中yi为一个batch中第i个数据的正确答案，而y′为神经网络给出的预测值。
Tensorflow中实现均方误差损失函数：
mse = tf.reduce_mean(tf.square(y_ - y))，
其中输入为矩阵，输出为一个数
#交叉熵代价函数
loss = tf.redu
最后
以上就是拉长外套为你收集整理的tf学习（四）—— 损失函数# 二次代价函数（又叫均方误差（MSE ））#交叉熵代价函数的全部内容，希望文章能够帮你解决tf学习（四）—— 损失函数# 二次代价函数（又叫均方误差（MSE ））#交叉熵代价函数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