python—keras学习（一） keras中的常用的损失函数

最新推荐文章于 2024-02-11 16:13:24 发布

miemieyang999

最新推荐文章于 2024-02-11 16:13:24 发布

阅读量6.7k

点赞数 4

分类专栏： python事纪文章标签： tensorflow python 深度学习神经网络

本文链接：https://blog.csdn.net/miemieyang999/article/details/113372306

版权

本文介绍了Keras中的一些常用损失函数，包括均方误差（MSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、对数均方误差（MSLE）、合页损失函数、分类合页损失、Logcosh、分类交叉熵和二进制交叉熵。这些损失函数在神经网络训练中起到关键作用，用于衡量预测值与真实值之间的差距。

摘要由CSDN通过智能技术生成

什么是损失函数

- 使用keras的损失函数
- keras提供的损失函数

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
$\frac{1}{n}\sum_{i=1}^{n}\left ( y_{true}^{(i)} - y_{pred}^{(i)}\right )^{2}$
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
$L=\frac{1}{n}\sum_{i=1}^{n}\left | \frac{y_{true}^{(i)} - y_{pred}^{(i)}}{y_{true}^{(i)}} \right |\cdot 100$