tensorflow之神經網絡優化

損失函數（loss）:用來表示預測值(y)與已知答案(y_)的差距。在神經網絡時，通過不斷改變神經網絡中所有參數，使得損失函數不斷減小，從而訓練出更高準確率的神經網絡模型。 常用的損失函數有均方誤差、自定義和交叉熵等。 均方誤差mse：n個樣本的預測值y與已知答案y_之差的平方和，再求平均值。 例子：預測酸奶日銷量 y，x1和 x2是影響日銷量的兩個因素。  銷量預測結果爲y = 0.98*x1

>>阅读原文<<