常用损失函数及Tensorflow代码实现

损失函数（loss）：用来表示预测值（y）与已知答案（y_）的差距。在训练神经网络时，通过不断 改变神经网络中所有参数，使损失函数不断减小，从而训练出更高准确率的神经网络模型。

常用的损失函数有均方误差、自定义和交叉熵等。 

1.均方误差 mse

n 个样本的预测值 y 与已知答案 y_之差的平方和，再求平均值。

                                                      

在 Tensorflow 中用 loss_mse = tf.reduce_mean(tf.square(y_ - y))

2.自定义损失函数

根据问题的实际情况，定制合理的损失函数。

例如：

对于预测酸奶日销量问题，如果预测销量大于实际销量则会损失成本；如果预测销量小于实际销量则 会损失利润。在实际生活中，往往制造一盒酸奶的成本和销售一盒酸奶的利润是不等价的。因此，需 要使用符合该问题的自定义损失函数。