keras中的常用Loss使用

最新推荐文章于 2021-08-22 19:22:11 发布

teonus

最新推荐文章于 2021-08-22 19:22:11 发布

阅读量4.8k

点赞数 3

文章标签： keras loss

本文链接：https://blog.csdn.net/liuchunh/article/details/102984464

版权

本文介绍了Keras中常用的损失函数，包括回归、二分类和多分类损失函数。回归损失函数适用于标签为连续值的情况，二分类损失如hinge损失，标签取值为{-1, 1}。多分类损失通常涉及one-hot编码标签和概率输出。此外，还解释了`from_logits`参数的意义，它用于指示模型输出是否已经归一化。" 354857,28785,C#实现排列组合算法,"['C#', '算法', '数据结构', '数学', '编程']

摘要由CSDN通过智能技术生成

How to use?

model.compile(optimizer="sgd", loss="mean_squared_error")

from keras import losses
# note: mean_squared_error(y_true : tf.Tensor, y_pred: tf.Tensor) -> tf.Tensor
model.compile(optimizer="sgd", loss=losses.mean_squared_error)

Available Loss Functions

Regression Loss Function

keras.losses.mean_squared_error(y_true, y_pred)
keras.losses.mean_absolute_error(y_true, y_pred)
keras.losses.mean_absolute_percentage_error(y_true, y_pred)
keras.losses.mean_squared_logarithmic_error(y_true, y_pred)

对于每个回归类的损失函数

每个样本的标签取值为任意实数

对每个样本，模型输出也是任意实数