1.提出问题:
交叉熵是用来衡量两个分布相似程度的度量,是分类中经常使用的损失函数。我们平时的用法是:
model.compile(loss='categorical_crossentropy', optimizer='adam')
那这个categorical_crossentropy是怎么计算出来的呢,今天我们就扒一扒。
2.分析问题:
2.1理论基础:
以多元交叉熵为例,其简单的公式是:
1.提出问题:
交叉熵是用来衡量两个分布相似程度的度量,是分类中经常使用的损失函数。我们平时的用法是:
model.compile(loss='categorical_crossentropy', optimizer='adam')
那这个categorical_crossentropy是怎么计算出来的呢,今天我们就扒一扒。
2.分析问题:
2.1理论基础:
以多元交叉熵为例,其简单的公式是: