深度学习：tensorflow基础知识，损失函数

一、tensorflow的计算图

Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个节点都是计算图上的一个Tensor, 也就是张量，而节点之间的边描述了计算之间的依赖关系(定义时)和数学操作(运算时)。

a=x*y; b=a+z; c=tf.reduce_sum(b);

二、tensorflow 中的 损失函数的区别

1、交叉熵loss  

给定两个概率分布p和q，通过q来表示p的交叉熵为：

从上述公式可以看出交叉熵函数是不对称的，即H(p,q)不等于H（q,p)。

交叉熵刻画的是两个概率分布之间的距离，它表示通过概率分布q来表示概率分布p的困难程度。所以使用交叉熵作为

神经网络的损失函数时，p代表的是正确答案，q代表的是预测值。当两个概率分布越接近时，它们的交叉熵也就越小。