知识卡片
类别标签对齐输出单元
数字 0 编成 (1,0),数字 1 编成 (0,1),预测和目标同维度才可按项比较。分类用最大得分对应的类别。书以半平方误差讲原理,也提及交叉熵;对于独立 Sigmoid 配二元交叉熵,输出层对加权输入的梯度可化简为预测减标签。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 3-3 学习数据和正解 3-3 学习数据和正解 · 查看原书依据
对于这个问题,解决方法是准备 2 个变量 、 作为正解变量,分别对应输出层的 2 个神经单元。
参考来源
- 位置:《深度学习的数学》第 33 阅读项《3-3 学习数据和正解》(来源项目 book-source,extracted/深度学习的数学/_epub-src/text/part0000_split_031.html)
- 结论依据:原文对“作为正解变量”的解释或演示提供本卡的主要依据。
- 原始内容:对于这个问题,解决方法是准备 2 个变量 、 作为正解变量,分别对应输出层的 2 个神经单元。