知识卡片
交叉熵衡量分类损失
Softmax 将类别得分转换为总和为 1 的概率分布。单标签分类中,交叉熵取正确类别概率的负对数:正确类别概率越低,损失越大。小批量损失可对样本损失取平均,以得到每样本的平均指标。
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
- 神经网络的复习 · 查看原书依据
交叉熵误差由神经网络输出的各类别的概率和监督标签求得。
参考来源
- 位置:《深度学习进阶:自然语言处理》第1章《神经网络的复习》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0006_split_003.html)
- 结论依据:原文说明对应计算及其实现;内容依据相应说明整理。
- 原始内容:交叉熵误差由神经网络输出的各类别的概率和监督标签求得。