知识卡片
模型结构损失和优化器协同
搭建网络时先确认输入输出形状及任务,再选择匹配的损失函数、输出表达和优化器;监控指标用于衡量表现,通常不直接参与梯度更新。独热标签可配分类交叉熵,整数标签可配稀疏分类交叉熵;需明确输出是 logits 还是概率。
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
- Keras第1部分 · 查看原书依据
告诉它使用哪个损失函数和优化器
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第23章《Keras第1部分》23.6(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0031_split_006.html`)
- 结论依据:告诉它使用哪个损失函数和优化器。
- 原始内容:告诉它使用哪个损失函数和优化器,以及我们希望它沿途收集哪些数据。这称为编译模型。编译步骤将我们的指定转换为在我们选择的后端上运行的代码。