神经网络常用损失函数loss

这篇博客介绍了神经网络中常见的三种损失函数:均方误差(MSE)、自定义损失函数(如分段函数)以及交叉熵。MSE衡量预测值与标准值之间的差距,自定义损失函数可以按需求定制,而交叉熵用于评估预测概率分布与实际分布的接近程度。在Tensorflow中,通过特定函数实现这些损失函数的计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

神经网络中常用以下三种损失函数:

均方误差:

MSE(y_, y)= (Σn (y – y_ )2)/n

其中y_ 代表标准值,y代表预测值

Tensorflow 代码:

Loss = tf.reduce_mean(tf.square(y_,y))

 

自定义损失函数:

Loss = Σn f(y_,y)

如,将损失定义为分段函数:

其中profit、cost 为常数,y_ 代表标准值,y代表预测值

Tensorflow 代码:

Loss = tf.reduce_sum(tf.where(tf.greater(y,y_), COST*(y-y_),PROFIT*(y_-y)))

表示y是否大于y_ 是则返回COST*(y-y_),否则返回PROFIT*(y_-y)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

VictorHan01

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
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