科研技能提升讲座:审稿视角下的计算机视觉论文——从投稿到接收 - 2021 北京智源大会 - 北京大学计算机系研究员施柏鑫
深度学习-一文看尽深度学习中的各种池化方法!
发表于 分类于 🌙进阶学习 , ⭐人工智能 Artificial Intelligence , 💫_深度学习基本概念 Deep Learning Basic Concepts 阅读次数: Valine:
本文字数: 4.8k 阅读时长 ≈ 12 分钟
本文字数: 4.8k 阅读时长 ≈ 12 分钟
深度学习-一文看尽深度学习中的各种损失函数
发表于 分类于 🌙进阶学习 , ⭐人工智能 Artificial Intelligence , 💫_深度学习基本概念 Deep Learning Basic Concepts 阅读次数: Valine:
本文字数: 9.1k 阅读时长 ≈ 23 分钟
本文字数: 9.1k 阅读时长 ≈ 23 分钟
导言
在机器学习中,损失函数是代价函数的一部分,而代价函数是目标函数的一种**类型[1]**。
- Loss function
损失函数:用于定义单个训练样本与真实值之间的误差。 - Cost function
代价函数:用于定义单个批次/整个训练集样本与真实值之间的误差。 - Objective function
目标函数:泛指任意可以被优化的函数。
损失函数是用于衡量模型所作出的预测离真实值(Ground Truth)之间的偏离程度。通常,我们都会最小化目标函数,最常用的算法便是“梯度下降法”(Gradient Descent)。俗话说,任何事情必然有它的两面性,因此,并没有一种万能的损失函数能够适用于所有的机器学习任务,所以在这里我们需要知道每一种损失函数的优点和局限性,才能更好的利用它们去解决实际的问题。损失函数大致可分为两种:回归损失(针对连续型变量)和分类损失(针对离散型变量)。