【北京大學】人工智能實踐：Tensorflow筆記（二）：優化

文章目錄 2.1 損失函數 2.2 學習率 2.3 滑動平均 2.4 正則化 2.1 損失函數 神經元模型： 激活函數： 神經網絡複雜度： 損失函數： softmax() 函數使輸出滿足概率分佈要求，因此可用下圖中代碼實現交叉熵損失函數： 2.2 學習率 TensorFlow 中的 tf.train.exponential_decay() 指數衰減法 2.3 滑動平均 MOVING_AVERAGE

>>阅读原文<<