Tensorflow筆記:神經網絡優化

損失函數 損失函數用來表示預測值(y)與已知答案(y_)的差距。在訓練神經網絡時,通過不斷改變神經網絡中所有參數,使損失函數不斷減小,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。 1.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。 在Tensorflow中用loss_mse=tf.reduce_mean(tf.square(y_-y)
相關文章
相關標籤/搜索