动手学习深度学习-三种简单损失函数

本文介绍了L2Loss(均方损失)、L1Loss(绝对值损失)和Huber's Robust Loss(鲁棒损失),分别讲解了它们的曲线特性、导数特征及优化稳定性。理解这些有助于优化深度学习模型的训练过程。

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

动手学习深度学习-三种简单损失函数

L2 Loss:均方损失

在这里插入图片描述
在这里插入图片描述

 蓝色的线代表损失函数曲线,橙色的线代表损失函数的导数,对损失函数进行求导,就可以发现梯度函数是一个线性函数,那么参数更新会从两边向中间靠拢,且速率越来越慢

L1 Loss:绝对值损失

在这里插入图片描述

在这里插入图片描述

 蓝色的线代表损失函数,橙色的线代表损失函数的导数,绿色的线代表似然函数。不管真实值和预测值离得多远,梯度都是不变的,都是以同样的力度进行更新,由于0处不可导,优化不那么稳定。

Huber’s Robust Loss

在这里插入图片描述

 当真实值和预测值离得比较远的时候,损失函数就是一条直线,离得比较近的时候,损失函数就是平滑的曲线,

在这里插入图片描述

 橙色的线代表损失函数的导数,当真实值和预测值离得比较远,导数是个常数,梯度会以不变的速度进行下降,当真实值和预测值离得比较近的时候,导数是一条直线,那么梯度会以比较缓慢的速度进行变化。

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

少写代码少看论文多多睡觉

求打赏,求关注,求点赞

¥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