python 怎么画损失函数和迭代次数的关系_损失函数losses - Python与算法之美的个人空间 - OSCHINA - 中文开源技术交流社区...

TensorFlow的中阶API主要包括:

数据管道(tf.data)

特征列(tf.feature_column)

激活函数(tf.nn)

模型层(tf.keras.layers)

损失函数(tf.keras.losses)

评估指标(tf.keras.metrics)

优化器(tf.keras.optimizers)

回调函数(tf.keras.callbacks)

如果把模型比作一个房子，那么中阶API就是【模型之墙】。

本篇我们介绍损失函数。

一，损失函数概述

一般来说，监督学习的目标函数由损失函数和正则化项组成。(Objective = Loss + Regularization)

对于keras模型，目标函数中的正则化项一般在各层中指定，例如使用Dense的 kernel_regularizer 和 bias_regularizer等参数指定权重使用l1或者l2正则化项，此外还可以用kernel_constraint 和 bias_constraint等参数约束权重的取值范围，这也是一种正则化手段。

损失函数在模型编译时候指定。对于回归模型，通常使用的损失函数是平方损失函数 mean_squared_error。

对于二分类模型，通常使用的是二元交叉熵损失函数 binary_crossentropy。

对于多分类模型，如果label是类别序号编码的，则使用类别交叉熵损失函数 categorical_crossentropy。如果label进行了one-hot编码，则需要使用稀疏类别交叉熵损失函数 sparse_categorical_crossentropy。

如果有需要，也可以自定义损失函