深度学习---之softmax与交叉熵
来源:互联网 发布:化学化工的英文数据库 编辑:程序博客网 时间:2024/06/06 00:20
交叉熵到底是如何来定义损失函数的呢?首先看下面的公式:
不用完全对着上图公式看,因为我的解释没有加上log和-号,你只要看懂文字,加log和-号是一回事
q()表示神经网络的预测值
p()表示样本属于某一类(ground truth)的概率:这个是真实值,什么意思呢?
(1)就是我输入一个猫的图片,这个时候如果q(x=狗)预测这个图片为x=狗的概率是0.8,但是p()这个这个真实值,在x=狗的时候p(x=狗)=0,所以一切预测图片是其他类的结果都等于0,那么只有预测猫的概率的时候才不等于0,如下(2)
(2)q()预测这个图片为猫的概率为0.2即q(x=猫)=0.2这个时候因为输入的就是猫所以真实值p(x=猫)=1,
(3)在上面(2)的基础上,p(x=猫)×q(x=猫)=1×0.2=0.2,要使预测准确,你就必须使得q(x=猫)=1,即loss=1*1=1,所以只要训练神经网络Loss=1就可以了
阅读全文
0 0
- 深度学习---之softmax与交叉熵
- [深度学习]Softmax 交叉熵
- 神经网络与深度学习 笔记4 交叉熵代价函数 softmax函数
- Softmax函数与交叉熵
- Softmax函数与交叉熵
- Softmax函数与交叉熵
- 深度学习之Softmax回归
- Tensorflow深度学习之softmax
- Softmax和交叉熵
- 深度学习笔记----softmax
- 非监督特征学习与深度学习(五)----Softmax 回归(Softmax Regression)
- softmax函数与交叉熵的反向梯度传导
- softmax交叉熵与最大似然估计
- 【深度学习技术】Softmax和SVM的区别与比较
- 深度学习UFLDL教程翻译之Softmax回归
- 5.0 深度学习之公式详细推导Softmax和Overfitting
- 深度学习常用激活函数之— Sigmoid & ReLU & Softmax
- 深度学习常用激活函数之— Sigmoid & ReLU & Softmax
- python 之字典用法
- 4412开发板移植Opencv资料
- C练习-(五)
- 监听器的部分内容及小知识点
- JavaSE基础知识
- 深度学习---之softmax与交叉熵
- tomcat-server.xml配置,备忘录
- 递归获取指定目录下所有的指定格式的文件
- 171124-字符数组与字符串【连续第三十二天】
- Spring 与 Quartz 集成步骤
- LSTM学习
- 11.18习题
- 韩信血王宫副本脚本
- MPI