tf.keras.losses.LogCosh 双曲余弦 损失函数 示例

最新推荐文章于 2023-11-16 09:15:39 发布
最新推荐文章于 2023-11-16 09:15:39 发布
阅读量726 收藏 1
点赞数
文章标签： 机器学习 python 逻辑回归
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44493841/article/details/121516470
版权
本文介绍了TensorFlow中的一种损失函数——双曲余弦损失（LogCosh）。通过数学公式logcosh展示了其计算过程，并提供了使用TensorFlow实现的示例代码，解释了如何计算预测值与真实值之间的差异。
摘要由CSDN通过智能技术生成

双曲余弦

x = 预 测 值 − 正 确 值 x = 预测值 - 正确值 x=预测值−正确值

l o g c o s h = l o g ( ( e x + e − x ) / 2 ) logcosh = log((e_{x} + e^{-x})/2) logcosh=log((ex​+e−x)/2)

import tensorflow as tf

y_true = [[0., 1.], [0., 0.]]
y_pred = [[1., 1.], [0., 0.]]
# Using 'auto'/'sum_over_batch_size' reduction type.
l = tf.keras.losses.LogCosh()
l(y_true, y_pred).numpy()

0.1084452
夏华东的博客
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Keras学习笔记5——keras.losses
winter_python的博客
09-21 748
损失函数（或称目标函数、优化评分函数）是编译模型时所需的两个参数之一： from keras import losses model.compile(loss=losses.mean_squared_error, optimizer='sgd') # or model.compile(loss='mean_squared_error', optimizer='sgd') 可用损失函数 mean_squared_error mean_absolute_error mean_absolute_percent
keras中不同的损失函数
wusanchui的博客
07-26 2067
Keras使用不同损失函数的方式： model.compile(loss='损失函数名', optimizer='sgd') from keras import losses model.compile(loss=losses.损失函数名, optimizer='sgd') mean_absolute_percentage_error（MAPE） 定义： def...
回归损失函数：Log-Cosh Loss
小花生的博客
05-07 1万+
Log-Cosh损失函数 Log-Cosh是应用于回归任务中的另一种损失函数，它比L2损失更平滑。Log-cosh是预测误差的双曲余弦的对数。 优点： 对于较小的X值，log(cosh(x))约等于(x ** 2) / 2；对于较大的X值，则约等于abs(x) - log(2)。这意味着Log-cosh很大程度上工作原理和平均方误差很像，但偶尔出现错的离谱的预测时对它影响又不是很大。它具备了H...
Cosh 函数
热门推荐
qpc411074777的专栏
09-06 1万+
Cosh 函数 Hyperbolic cosine 双曲余弦 Syntax 语法 Y = cosh(X) Description 描述 The cosh function operates element-wise on arrays. The function's domains and ranges include complex values. All angles are
回归损失函数：L1，L2，Huber，Log-Cosh，Quantile Loss
clover_my的博客
06-04 1万+
回归损失函数：L1，L2，Huber，Log-Cosh，Quantile Loss 机器学习中所有的算法都需要最大化或最小化一个函数，这个函数被称为“目标函数”。其中，我们一般把最小化的一类函数，称为“损失函数”。它能根据预测结果，衡量出模型预测能力的好坏。 在实际应用中，选取损失函数会受到诸多因素的制约，比如是否有异常值、机器学习算法的选择、梯度下降的时间复杂度、求导的难易程度以及预测值的置...
tf.keras_分类模块数据归一化.ipynb_quietlyxoc_keras_归一化_lateory_tf.keras_源
10-01
2. **使用预处理层（Preprocessing Layers）**：`tf.keras.layers.Normalization`是`tf.keras`提供的一个预处理层，可以方便地在模型内部进行数据归一化。只需定义一个该层，然后在训练前用数据拟合其均值和标准差...
tf.keras.layers.Layer自定义层
12-20
class MyLayer(tf.keras.layers.Layer): def __init__(self, output_dim, **kwargs): self.output_dim = output_dim super(MyLayer, self).__init__(**kwargs) def build(self, input_shape): # Create a ...
tf.keras_分类模块_CNN-深度可分离.ipynb_nose8eu_keras_CNN_tf.keras_分离卷积_
09-29
`keras`和`tf.keras`的区别在于，`keras`是原始的Keras库，而`tf.keras`是TensorFlow 2.x版本集成的Keras，两者在API上基本兼容，但`tf.keras`更紧密地与TensorFlow生态系统整合。 5. **nose8eu**：这可能是一个...
tf.keras_分类模块_DNN-selu-dropout.ipynb_keras_tf.keras_DNN分类_DNN_pl
09-29
标题中的“tf.keras_分类模块_DNN-selu-dropout.ipynb”暗示了这是一个使用TensorFlow Keras API构建的深度神经网络（DNN）模型，用于执行分类任务，并且使用了SELU激活函数和Dropout正则化策略。在描述中提到了DNN...
基于tf.keras的多标签多分类模型.zip
最新发布
04-03
我们可以使用`tf.keras.applications.Xception`来加载模型，并移除顶部的`include_top=False`。 ```python from tensorflow.keras.applications import Xception base_model = Xception(weights='imagenet', ...
八、Keras 高层接口
coder_jyz的博客
08-23 224
八、Keras 高层接口 内容参考来自https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book开源书籍《TensorFlow2深度学习》，这只是我做的简单的学习笔记，方便以后复习 Keras 是一个主要由 Python 语言开发的开源神经网络计算库，最初由 François Chollet编写，它被设计为高度模块化和易扩展的高层神经网络接口，使得用户可以不需要过多的专业知识就可以简洁、快速地完成模型的搭建与训练。 1.常见功能模块
深度学习（17）机器学习常用的损失函数
weixin_42535423的博客
11-26 3195
损失函数分类损失函数一、LogLoss对数损失函数（逻辑回归，交叉熵损失）二、 指数损失函数（Adaboost）三、Hinge损失函数（SVM）回归损失函数一、均方误差、平方损失-L2损失：二、平均绝对误差-L1损失函数：平均绝对误差和均方误差（L1&L2）比较：三、Huber损失——平滑平均绝对误差四、Log-Cosh损失函数五、分位数损失（Quantile Loss）了解分位数损失函数比较研究：总结 分类损失函数 一、LogLoss对数损失函数（逻辑回归，交叉熵损失） 有些人可能觉得逻辑回归的损
深度学习损失函数
cuisidong1997的博客
11-16 247
Loss 是深度学习算法中重要的一部分，它的主要功能是评价网络预测的准确性和指导权重更新。合适 Loss 可以让网络收敛更快，预测更准。这个项目介绍了损失函数的基本概念以及7种常用损失函数的形式，性质，参数，使用场景及区别，并给出了开箱即用的Paddle实现。目前包含的Loss有：Huber LossFocal LossHinge Loss未完待续…关键概念先引入一些概念，方便后面介绍。功能角度，我们可以形容深度学习是一种从训练数据中学习，进而形成问题解决方案的算法。
Keras手册记录之loss function，待更新
mashutian的博客
03-08 1034
loss function:https://keras.io/losses/ mean_squared_error keras.losses.mean_squared_error(y_true, y_pred) mean_absolute_error keras.losses.mean_absolute_error(y_true, y_pred) mean_absolute_perc...
机器学习者都应该知道的五种损失函数！
weixin_33860147的博客
06-18 584
在机器学习中，所有的机器学习算法都或多或少的依赖于对目标函数最大化或者最小化的过程，我们常常把最小化的函数称为损失函数，它主要用于衡量机器学习模型的预测能力。在寻找最小值的过程中，我们最常用的方法是梯度下降法。 虽然损失函数可以让我们看到模型的优劣，并且为我们提供了优化的方向，但是我们必须知道没有任何一种损失函数适用于所有的模型。损失函数的选取依赖于...
回归损失函数2 ： HUber loss,Log Cosh Loss,以及 Quantile Loss
a21700790yan的博客
12-17 1526
均方误差（Mean Square Error,MSE）和平均绝对误差（Mean Absolute Error,MAE) 是回归中最常用的两个损失函数，但是其各有优缺点。为了避免MAE和MSE各自的优缺点，在Faster R-CNN和SSD中使用SmoothL1SmoothL1损失函数，当误差在[−1,1][−1,1]之间时，SmoothL1SmoothL1损失函数近似于MSE，能够快速的收敛；在...
keras中的损失函数
somTian的博客
03-16 1万+
mean_squared_error mean_absolute_error mean_absolute_percentage_error mean_squared_logarithmic_error squared_hinge hinge categorical_hinge logcosh categorical_crossentropy sparse_categorical_crosse...
机器学习大牛最常用的5个回归损失函数，你知道几个？
weixin_33724046的博客
06-21 1612
“损失函数”是机器学习优化中至关重要的一部分。L1、L2损失函数相信大多数人都早已不陌生。那你了解Huber损失、Log-Cosh损失、以及常用于计算预测区间的分位数损失么？这些可都是机器学习大牛最常用的回归损失函数哦！ 机器学习中所有的算法都需要最大化或最小化一个函数，这个函数被称为“目标函数”。其中，我们一般把最小化的一类函数，称为“损失函数”。它能...
回归损失函数 ： Huber Loss,Log Cosh Loss,Quantile Loss
Brook_cv的博客
12-17 2008
均方误差（Mean Square Error,MSE）和平均绝对误差（Mean Absolute Error,MAE) 是回归中最常用的两个损失函数，但是其各有优缺点。为了避免MAE和MSE各自的优缺点，在Faster R-CNN和SSD中使用SmoothL1\text{Smooth} L_1SmoothL1​损失函数，当误差在[−1,1][-1,1][−1,1] 之间时，SmoothL1\tex...
tf.keras函数大全及其作用
07-13
3. tf.keras.losses：包含了多种损失函数的类，如均方误差（MSE）、交叉熵（CrossEntropy）等，用于定义模型的损失函数。 4. tf.keras.metrics：包含了多种评估指标的类，如准确率（accuracy）、精确率（precision...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

夏华东的博客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值