项目实战： CrossEntropyLoss和optimizer 定义

艾文教编程

博客专家认证

2023-01-12 21:54:18

课时名称	课时知识点
项目实战： CrossEntropyLoss和optimizer 定义	项目实战： CrossEntropyLoss和optimizer 定义

...全文

39 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

Tensorflow学习实战之多层神经网络mnist手写识别数据准备构建模型训练模型评估结果可视化显示输出错误预测激活函数： sigmod函数为s型 relu为修正线性单元函数 tanh双曲正切这里使用的relu激活函数，输出使用softmax多分类，中间使用了3层隐藏层，优化器使用AdamOptimizer，损失函数定义loss_function=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=forward,labels=y)) 训练十次的结果图：数据准备 #读取 mnist= input_data.rea

本篇分享的知识是在深度学习中针对多分类问题，该如何处理会比较好。以大家容易理解的例子引出交叉熵损失函数，并说明了Softmax的公式及其作用。此外，由浅入深，通过举简单的例子来演示损失函数。针对MNIST数据集，本文也初步说明了如何对图像进行处理。

PyTorch实战（四） - - 语言模型1. 任务概述2. 算法步骤3. 代码实现与解析3.1 导入相关包3.2 构造训练数据集3.3 定义模型3.4 定义loss function和optimizer3.5 训练步骤3.6 测试3.7 句子生成 1. 任务概述根据上下文语境基于概率预测下一个词，通过对网络训练一定程度后，最后的模型参数可当成词向量使用 2. 算法步骤构造数据集定义模型 Layers:Embedding,LSTM,Linear 训练与评估 Loss:CrossEntropyLoss

TensorFlow 实战（一）—— 交叉熵（cross entropy）的定义

系列文章目录深度学习入门系列1：多层感知器概述深度学习入门系列2:用TensorFlow构建你的第一个神经网络深度学习入门系列3:深度学习模型的性能评价方法深度学习入门系列4:用scikit-learn找到最好的模型深度学习入门系列5项目实战：用深度学习识别鸢尾花种类深度学习入门系列6项目实战：声纳回声识别待更新：深度学习入门系列7:项目实战：波士顿房屋价格回归深度学习入门系列8:保存模型以便稍后进行序列化深度学习入门系列9:训练期间用检查点保存最好模型深度学习入门系列10:从绘制记录

艾文的课程社区_NO_1

2

社区成员

301

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章