python—keras学习（一） keras中的常用的损失函数

损失函数（loss function）就是用来衡量预测值和真实值的差距的函数，是模型优化的目标，所以也叫目标函数、优化评分函数。
keras中的损失函数在模型编译时指定：

from tensorflow.python.keras import Model
#inputs是输入层，output是输出层
inputs = Input(shape=(3,))
x = Dense(4, activation='relu')(inputs)
outputs = Dense(5, activation=tf.nn.softmax)(x)
model = Model(inputs,outputs)
#--------------在编译时，指定损失函数-------------------------#
model.compile(loss = 'mean_squared_error', optimizer='sgd')
#也可以这样：
#from keras import losses
#model.compile(loss = tf.keras.losses.mean_squared_error, optimizer='sgd')
#---------------------------------------------------------#

使用keras的损失函数

import tensorflow as tf
from tensorflow.python.keras import losses
loss = tf.keras.losses.mean_squared_error

keras提供的损失函数

mean_squared_error:均方误差 MSE
$$L=\frac{1}{n}\sum _{i=1}^n{\left(y_{true}^{(i)}-y_{pred}^{(i)}\right)}^2$$
losses中的源码：（在自定义时可以结合使用）

def mean_squared_error(y_true, y_pred):
    return K.mean(K.square(y_pred - y_true), axis=-1)

mean_absolute_percentage_error： MAPE
$$L=\genfrac{}{}{0ex}{}{}{n}$$