新聞中心
創(chuàng)新互聯(lián)www.cdcxhl.cn八線(xiàn)動(dòng)態(tài)BGP香港云服務(wù)器提供商,新人活動(dòng)買(mǎi)多久送多久,劃算不套路!

這篇文章主要介紹keras:model.compile損失函數(shù)怎么用,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們一定要看完!
損失函數(shù)loss:該參數(shù)為模型試圖最小化的目標(biāo)函數(shù),它可為預(yù)定義的損失函數(shù)名,如categorical_crossentropy、mse,也可以為一個(gè)損失函數(shù)。詳情見(jiàn)losses
可用的損失目標(biāo)函數(shù):
mean_squared_error或mse
mean_absolute_error或mae
mean_absolute_percentage_error或mape
mean_squared_logarithmic_error或msle
squared_hinge
hinge
categorical_hinge
binary_crossentropy(亦稱(chēng)作對(duì)數(shù)損失,logloss)
logcosh
categorical_crossentropy:亦稱(chēng)作多類(lèi)的對(duì)數(shù)損失,注意使用該目標(biāo)函數(shù)時(shí),需要將標(biāo)簽轉(zhuǎn)化為形如(nb_samples, nb_classes)的二值序列
sparse_categorical_crossentrop:如上,但接受稀疏標(biāo)簽。注意,使用該函數(shù)時(shí)仍然需要你的標(biāo)簽與輸出值的維度相同,你可能需要在標(biāo)簽數(shù)據(jù)上增加一個(gè)維度:np.expand_dims(y,-1)
kullback_leibler_divergence:從預(yù)測(cè)值概率分布Q到真值概率分布P的信息增益,用以度量?jī)蓚€(gè)分布的差異.
poisson:即(predictions - targets * log(predictions))的均值
cosine_proximity:即預(yù)測(cè)值與真實(shí)標(biāo)簽的余弦距離平均值的相反數(shù)
補(bǔ)充知識(shí):keras.model.compile() 自定義損失函數(shù)注意點(diǎn)
基本用法
model.compile(optimizer=Adam(lr=1e-4), loss='binary_crossentropy', metrics=['accuracy'])
注意
loss后類(lèi)似'binary_crossentropy'、'mse'等代稱(chēng)
loss為函數(shù)名稱(chēng)的時(shí)候,不帶括號(hào)
函數(shù)參數(shù)必須為(y_true, y_pred, **kwards)的格式
不能直接使用tf.nn.sigmoid_cross_entropy_with_logits等函數(shù),因?yàn)槠鋮?shù)格式為(labels=None,
logits=None),需要指定labels=、logits=這兩個(gè)參數(shù)
以上是keras:model.compile損失函數(shù)怎么用的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對(duì)大家有幫助,更多相關(guān)知識(shí),歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道!
網(wǎng)頁(yè)標(biāo)題:keras:model.compile損失函數(shù)怎么用-創(chuàng)新互聯(lián)
路徑分享:http://m.biofuelwatch.net/article/gcjpj.html


咨詢(xún)
建站咨詢(xún)
