损失函数在反向传播中的作用

在二分类问题中用的最多的是binary_crossentropy,在物体检测中经常用到IoU,在医学图像分割中经常用到的是DICE, 它们的公式如下:

 

loss function.png

 

可以看出损失函数基本都是由真实值和预测值两部分组成,正确的损失函数,可以起到让预测值一直逼近真实值的效果,当预测值和真实值相等时,loss值最小。
下面是我以binary_crossentropy为例推导的反向传播过程,反向传播是一个不断更新权重w和偏差b的过程,当loss函数值为0时,表示预测值达到真实值,这时候权重和偏差不再需要更新。

 


 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值