关于Matlab的Nerual Network Toolbox中TrainOptions的Loss Function的理解

最新推荐文章于 2024-04-25 23:56:18 发布

diaobizhi6579

最新推荐文章于 2024-04-25 23:56:18 发布

阅读量757

点赞数

CC 4.0 BY-SA版权

文章标签： matlab

原文链接：http://www.cnblogs.com/Caelum/p/9240568.html

本文介绍了MATLAB中训练神经网络的TrainOptions函数及其参数设置方法，并解释了当网络的最后一层为分类层时如何自动使用交叉熵作为损失函数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

TrainOptions函数用处如下：

options = trainingOptions(solverName)

options = trainingOptions(solverName,Name,Value)

options = trainingOptions('sgdm',...
    'LearnRateSchedule','piecewise',...
    'LearnRateDropFactor',0.2,...
    'LearnRateDropPeriod',5,...
    'MaxEpochs',20,...
    'MiniBatchSize',64,...
    'Plots','training-progress')

　具体可以点击网页

而损失函数的用处是和最后一层名字相关原文说明如下：

Training loss, smoothed training loss, and validation loss — The loss on each mini-batch, its smoothed version, and the loss on the validation set, respectively. If the final layer of your network is a classificationLayer, then the loss function is the cross entropy loss. For more information about loss functions for classification and regression problems, see Output Layers.

所以说所有网络中最后有一层是classificationLayer的都是使用cross entropy交叉熵函数作为损失函数的。

转载于:https://www.cnblogs.com/Caelum/p/9240568.html