损失函数的三种定义方法

损失函数的三种定义方式：

1. mse:mean squared error
2. crossentropy
3. 自定义

均方误差法：

loss_mse=tf.reduce_mean(tf.square(y_-y)

tensorflow中的一个预测函数 ：

tf.where(tf.greater(a,b), C ,D)
this is a simple way to realize the discription of judgement and a selected output. If a>b, the output is C. Otherwise, the output is D.

下面开始一个酸奶销量神经网络预测：
在实际生产生活过程中，假设一个成本为2元，并且利润为1。来进行预测。

import tensorflow as tf
import numpy as np

SEED = 23455
COST =2
PROFIT = 1

rdm = np.random.RandomState(SEED)
x = rdm.rand