标签:函数 categorical tip 学习 神经网络 softmax sparse crossentropy
1、神经网络中,线性回归采用均方误差作为损失函数,逻辑回归(分类算法)采用交叉熵
2、神经网络中对数几率回归解决的是二分类问题,对于多个选项的问题可以使用softmax函数
3、神经网络的原始输出并不是一个概率值,实际上只是输入的数值做了复杂的加权和非线性处理之后得到的一个值。
4、神经网络中对于多分类问题,采用categorical_crossentropy
以及sparse_categorical_crossentropy
来计算softmax
交叉熵。如果列表是数字编码,那么损失函数就使用sparse_categorical_crossentropy
,独热编码时,损失函数使用categorical_crossentropy
。
标签:函数,categorical,tip,学习,神经网络,softmax,sparse,crossentropy 来源: https://blog.csdn.net/qq_43481350/article/details/120450918
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。