- 博客(2)
- 收藏
- 关注
RSS订阅原创 TensorFlow学习2：损失函数
交叉熵： 在分类问题中最常用的方法是设置n个输出节点，其中n为类别的个数。对于每一个样例，神经网络可以得到一个n维数组作为输出结果。例如在识别数字中一共有10个可能的结果，对于识别数字1，神经网络的输出结果应该越接近[0,1,0,0,0,0,0,0,0,0]越好，所以我们需要构建一个评价输出向量和期望向量距离的指标。交叉熵是常用的评判方法之一。 给定两个概率分布p和q，通过q来表示p的交叉熵为： H(p,q)=−∑xp(x)logq(x) H(p,q)=-\displaystyle\sum_{x}p(x)l
2020-09-29 18:52:23
249
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人