tensorflow學習筆記(五)

壩壩頭伯爵 2022-05-14 14:29:24 阅读数:134

tensorflow
  • 損失函數(loss):預測值與已知的差距
    均方誤差(mse):
loss_mse=tf.reduce_mean(tf.square(y_-y))
  • 自定義損失函數:
    如預測商品銷量,預測多了損失成本;預測少了,損失利潤。
    若利潤不等於成本,則mse產生的loss無法利益最大化
    在這裏插入圖片描述
loss_zdy=tf.reduce_sum(tf.where(tf.greater(y,y_),COST(y-y_),PROFIT(y_-y)))
  • 交叉熵
    交叉熵損失函數CE:錶征兩個概率分布之間的距離
tf.losses.categorical_crossentropy(y_,y)
  • softmax與交叉熵的結合
    先讓輸出通過softmax函數,在計算y和y_的交叉熵損失函數
tf.nn.softmax_cross_entropy_with_logists(y_,y)
  • 正則化緩解過擬合
    在這裏插入圖片描述
    有兩種正則化方式,分別為L1正則化和L2正則化
    在這裏插入圖片描述
版权声明:本文为[壩壩頭伯爵]所创,转载请带上原文链接,感谢。 https://gsmany.com/2022/134/202205141428313429.html