La position actuelle:Accueil du site>Tensorflow Learning notes (5)

Tensorflow Learning notes (5)

2022-05-14 14:29:29Comte De Dam head

  • Fonction de perte(loss):Écarts entre les prévisions et les données connues
    Erreur carrée moyenne(mse):
loss_mse=tf.reduce_mean(tf.square(y_-y))
  • Fonction de perte personnalisée:
    Comme les ventes prévues de marchandises,Les prévisions de pertes supplémentaires;Moins de prévisions,Manque à gagner.
    Si le bénéfice n'est pas égal au coût,EtmseProduitlossImpossible de maximiser les avantages
    Insérer la description de l'image ici
loss_zdy=tf.reduce_sum(tf.where(tf.greater(y,y_),COST(y-y_),PROFIT(y_-y)))
  • Entropie croisée
    Fonction de perte d'entropie croiséeCE:Caractériser la distance entre deux distributions de probabilité
tf.losses.categorical_crossentropy(y_,y)
  • softmaxLa combinaison avec l'entropie croisée
    Laissez passer la sortiesoftmaxFonctions,Dans le calculyEty_Fonction de perte d'entropie croisée pour
tf.nn.softmax_cross_entropy_with_logists(y_,y)
  • Regularized relief overfit
    Insérer la description de l'image ici
    Il existe deux méthodes de régularisation ,Respectivement:L1Régularisation etL2Régularisation
    Insérer la description de l'image ici

Mentions de copyright
Auteur de cet article [Comte De Dam head],Réimpression s’il vous plaît apporter le lien vers l’original, merci
https://fra.chowdera.com/2022/134/202205141428313429.html

Recommandé au hasard