tensorflow中代价函数

最新推荐文章于 2020-12-21 14:03:31 发布

mengke_yu

最新推荐文章于 2020-12-21 14:03:31 发布

阅读量685

点赞数

分类专栏：深度学习

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/ymkfjuyhbh/article/details/90082327

版权

本文介绍了TensorFlow中常见的三种损失函数：二次代价函数，强调了其公式和梯度下降的影响；交叉熵代价函数，说明了它与激活函数导数的关系以及在Sigmoid激活下的适用性；对数似然代价函数，特别是与softmax函数结合在多分类问题中的应用。总结了如何根据激活函数选择合适的代价函数。

摘要由CSDN通过智能技术生成

tensorflow中常用的损失函数有二次代价函数、交叉熵、对数似然代价函数。

二次代价函数

二次代价函数表达式：
$C=\frac{1}{2n}\displaystyle\sum_{x}^{} [y(x)-a(x)]^2$

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
tensorflow中代价函数

tensorflow中常用的损失函数有二次代价函数、交叉熵、对数似然代价函数。二次代价函数二次代价函数表达式：C=12n∑x[y(x)−a(x)]2C=\frac{1}{2n}\displaystyle\sum_{x}^{} [y(x)-a(x)]^2C=2n1x∑[y(x)−a(x)]2在该表达式中，C表示cost，即代价函数；n表示样本个数，x表示样本，y(x)表示真实值，a(x)...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。