损失函数
选择合适的损失函数来监督网络
监督网络时,需要将输入数据和对应的标签传递给网络进行训练。网络根据输入数据生成预测结果,然后将预测结果与真实标签进行比较,并计算损失函数的值。接着,网络会根据损失函数的值反向传播误差,从而更新网络中的权重和偏置。这个过程会不断迭代,直到损失函数的值收敛到一个最小值。
(损失函数值是预测值和真实值之间的差距,也就是相比较后得到的误差,目的是让这种误差达到最小,也就是预测值和真实值尽最大可能相似,因此,我们就要获得最小的损失函数值,也就是通过网络训练使损失函数的值收敛到最小)
- 交叉熵损失函数
对于期望标签为1的来讲,第一项可以进行计算,得到期望值;对于期望标签为0的来讲,第二项起作用,因为预测的是为此类的概率,而0表示这不为此类,因此1-P才为真正的预测的期望值。