TensorFlow 实战(三)—— 实现常见公式

本文介绍了TensorFlow中常用的函数,包括求向量的均值tf.reduce_mean、对权值矩阵进行L2正则化的定义方法及binary cross entropy损失函数的实现方式。
  • tf.reduce_mean (求向量的均值)等价于

    1Ni=1Nxi

1. 对权值矩阵进行 l2 正则

def variable_with_weight_loss(shape, stddev, w1):
    var = tf.Variable(tf.truncated_normal(shape, stddev=stddev))
    if w1 is not None:
        weight_loss = tf.multiply(tf.nn.l2_loss(var), w1, name='weight_loss')
        tf.add_to_collections('losses', weight_loss)
    return var

2. binary cross entropy

def bin_cross_entropy(preds, targets):
    eps = 1e-12
    return tf.reduce_mean(-targets*tf.log(preds+eps)-(1-targets)*tf.log(1-preds+eps))

转载于:https://www.cnblogs.com/mtcnn/p/9422050.html

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