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)

>>阅读原文<<