这个项目介绍了损失函数的基本概念以及7种常用损失函数的形式,性质,参数,区别及使用场景,并给出了开箱即用的Paddle实现。主要内容包括:L1(Mean Absolute Error) L2(Mean Square Error) Huber Loss LogCosh Loss Cross Entropy(Log Loss) Focal Loss Hinge Loss 未完待续.....
因为本项目是一个线性回归任务,所以我们在训练的时候使用的是平方差损失函数。因为paddle.nn.functional.square_error_cost求的是一个Batch的损失值,所以我们还要对他求一个平均值。PaddlePaddle提供了很多的损失函数的接口,比如交叉熵损失函数paddle.nn.CrossEntropyLoss。 在训练过程中,我们可以看到输出...
第五个参数是损失函数,此处我们选用常用的MSE函数,且 reduction 设置为 "sum",即我们会将参与计算的所有数据点产生的损失项求和; 第六个参数是选择是否在计算域上进行等间隔采样,此处我们选择开启等间隔采样,这样能让训练点均匀分布在计算域上,有利于训练收敛; 第七个参数是约束条件的名字,我们需要给每一个约束条...
这个项目介绍了损失函数的基本概念以及7种常用损失函数的形式,性质,参数,区别及使用场景,并给出了开箱即用的Paddle实现。主要内容包括:L1(Mean Absolute Error) L2(Mean Square Error) Huber Loss LogCosh Loss Cross Entropy(Log Loss) Focal Loss Hinge Loss 未完待续.....
这个项目介绍了损失函数的基本概念以及7种常用损失函数的形式,性质,参数,使用场景及区别,并给出了开箱即用的Paddle实现。目前包含的Loss有:L1(Mean Absolute Error) L2(Mean Square Error) Huber Loss LogCosh Loss Cross Entropy(Log Loss) Focal Loss Hinge Loss 未完待续.....