loss

TensorFlow2.1入门学习笔记(7)——损失函数

损失函数(loss): 预测值(y)与已知答案(y_)的差距 神经网络的优化目标: loss最小: $\Rightarrow\left\{\begin{array}{lr}{mse(Mean Aquared Error)}\\{自定义}\\{ce(Cross Entropy)}\end{array}\right.$ 均方误差mse:loss_mse = tf.reduce_mean(tf.square(y_-y)) $$MSE(y_,y)=\frac{\sum_{i=1}^{n}(y-y_)^2}{n}$$ 例 预测酸奶日销量y,x1、x2是影响日销量的因素。 建模前,应预先采集的数据有:每日x1、x2和销量y_(即已知答案,最佳的情况:产量=销量) 拟造数据集X,Y:y_=x1+x2 噪声:-0.05~+0.05 拟合可以预算销量的函数 import tensorflow as tf import numpy as np SEED = 23455 rdm = np.