TensorFlow2.0（8）：误差计算——损失函数总结

 

注：本系列所有博客将持续更新并发布在github上，您可以通过github下载本系列所有文章笔记文件。

 

1 均方差损失函数：MSE¶

 

均方误差（Mean Square Error），应该是最常用的误差计算方法了，数学公式为： $$loss = \frac{1}{N}\sum { { {(y - pred)}^2}} $$

 

其中，$y$是真实值，$pred$是预测值，$N$通常指的是batch_size，也有时候是指特征属性个数。

In [1]:

import tensorflow as tf
y = tf.random.uniform((5,),maxval=5,dtype=tf.int32)  # 假设这是真实值
print(y)

y = tf.one_hot(y,depth=5)  # 转为热独编码
print(y)

 

tf.Tensor([2 4 4 0 2], shape=(5,), dtype=int32)
tf.Tensor(
[[0. 0. 1. 0. 0.]
 [0. 0. 0. 0. 1.]
 [0. 0. 0. 0. 1.]
 [1. 0. 0. 0. 0.]
 [0. 0. 1. 0. 0.]], shape=(5, 5), dtype=float32)

In [2]:

y

Out[2]:

<tf.Tensor: id=7, shape=(5, 5), dtype=float32, numpy=
array([[0., 0., 1., 0., 0.],
       [0., 0., 0., 0., 1.],
       [0., 0., 0., 0., 1.],
       [1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0.]], dtype=float32)>