模型损失函数设计

MSE

公式

在这里插入图片描述
公式1为均方误差,公式2为欧氏距离,公式3与公式而不同在于是否开根号。注意这个平方是对norm()norm()norm()函数平方

求导

在这里插入图片描述

pytorch中使用

在这里插入图片描述
在这里插入图片描述

交叉熵

在这里插入图片描述

Categorical CE Loss(Softmax Loss)

在这里插入图片描述

Binary CE Loss(Sigmoid CE Loss)

在这里插入图片描述

Loss梯度下降求解

Loss=∑(WX+b−y)2Loss = \sum (WX+b-y)^2Loss=(WX+by)2
在这里插入图片描述

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
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