Mr. Chen小课堂开课第一天

最新推荐文章于 2023-04-05 11:56:13 发布

崔辰

最新推荐文章于 2023-04-05 11:56:13 发布

阅读量338

点赞数

CC 4.0 BY-SA版权

文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/weixin_44194444/article/details/106502060

这篇博客是Mr. Chen小课堂的第一天内容，讲解了在Google Colab上使用TensorFlow 2.0进行初学者教程。重点介绍了损失函数，包括'sparse_categorical_crossentropy'，并详细解释了binary_crossentropy和categorical_crossentropy的区别。此外，还探讨了accuracy的各种类型，如accuracy、binary_accuracy、categorical_accuracy、sparse_categorical_accuracy和top_k_categorical_accuracy的计算和应用场景。最后提到了模型训练中的fit()、predict()和evaluate()函数及其参数含义。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Mr. Chen小课堂开课第一天

学习内容：Google Colab上初学者的 TensorFlow 2.0 教程（网址：https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/zh-cn/tutorials/quickstart/beginner.ipynb#scrollTo=3wF5wszaj97Y）
课堂笔记：

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

loss=‘sparse_categorical_crossentropy’,

目标函数，或称损失函数，是网络中的性能函数，也是编译一个模型必须的两个参数之一。由于损失函数种类众多，下面以keras官网手册的为例。
在官方keras.io里面，有如下资料：
binary_crossentropy（亦称作对数损失，logloss）
　　即对数损失函数，log loss，与sigmoid相对应的损失函数。
　　公式：L(Y,P(Y|X)) = -logP(Y|X)
　　该函数主要用来做极大似然估计的，这样做会方便计算。因为极大似然估计用来求导会非常的麻烦，一般是求对数然后求导再求极值点。
　　损失函数一般是每条数据的损失之和，恰好取了对数，就可以把每个损失相加起来。负号的意思是极大似然估计对应最小损失。

categorical_crossentropy：亦称作多类的对数损失，注意使用该目标函数时，需要将标签转化为形如(nb_samples, nb_classes)的二值序列

categorical_crossentropy
　　多分类的对数损失函数，与softmax分类器相对应的损失函数，理同上。