损失函数用于评估预测值与真实值的差距，是优化神经网络模型的关键。分类任务常用交叉熵损失，回归任务常采用Smooth损失，网络通过最小化损失函数调整权重以提升性能。
衡量预测值与真实值之间的差异的函数就叫做损失函数，衡量模型参数的质量的函数，衡量的方式是比较网络输出和真实输出的差异。
常见命名：
分类任务的损失函数
交叉熵结果越接近0，说明预测结果越接近真实值。
最低0.47元/天 解锁文章
扫一扫
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
衡量预测值与真实值之间的差异的函数就叫做损失函数，衡量模型参数的质量的函数，衡量的方式是比较网络输出和真实输出的差异。
常见命名：
交叉熵结果越接近0，说明预测结果越接近真实值。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
