1.均方误差(mean-square error, MSE)
在线性回归问题中,常常使用MSE(Mean Squared Error)作为损失函数函数,比如:
mse = tf.losses.mean_squared_error(a, b)
2.交叉熵(cross entropy)
2.1.在单分类问题中的使用
这里的单类别是指,每一张图像样本只能有一个类别,标签是one-hot,比如只能是狗或只能是猫。
交叉熵在单分类问题上基本是标配的方法
cross_entropy = -tf.reduce_sum(y * tf.log(y_predict))
2.2.交叉熵在多分类问题中的使用
这里的多类别是指,每一张图像样本可以有多个类别,比如同时包含一只猫和一只狗
和单分类问题的标签不同,多分类的标签是n-hot。
sigmoid_cross_entropy_with_logits