损失函数
损失函数是用来表示预测值(y:通常由前向传播得到)与答案(y_)的差距。在训练神神经网络是,通过不断的改变神经网络中所有的参数,使损失函数(loss)不断减小,从而训练初更准确的神经网络模型。
常用的损失函数
常用的损失函数有:均方误差、交叉熵和自定义
1)均方误差(MSE)
在tensorflow中:
loss_mse = tf.reduce_mean(tf.square(y-y_))
2)交叉熵
cross_entropy = -tf.reduce_mean(y_ * tf.log(tf.clip_by_value(y,1e-10,1.0)))
其中
y_代表正确结果;y代表预测结果
这一行代码包含了四个运算:
tf.clip_by_value()