深度学习中的损失函数介绍及其特点_Python人工智能培训技术干货

时间:2018-10-16 15:26:46   来源:上海尚学堂   阅读:
今天我们继续来学习深度学习中的损失函数。这是Python人工智能培训当中所学到一个知识要点。
 

一,损失函数简介

损失函数,我们管这种函数叫做Cost或者Loss都可以。还是外国人起名字比较讲究,不管是Cost还是Loss,听着就那么让人心疼,这是要么费钱要么有损失的感觉。没错,这个东西就叫损失函数。
 
损失函数这个叫法确实非常形象,你想啊,你费了半天劲儿做了个拟合,本身是为了让它和你想要得到的那个真实结果一致,结果中间有差距了,那还不是损失啊?问题是怎么让损失变小,最好是没有损失,只要损失能消灭了那就算是圆满了在深度学习中的损失函数其实不一而足的,每种损失函数在当初诞生的时候都是有些客观环境和理由的。但不管是哪种损失函数,都有这样几个特点。

二、损失函数特点

特点一:恒非负。
都说是损失了,最圆满的情况就是没损失,或者说损失为0,但凡有一点拟合的偏差那
就会让损失增加。所以损失函数都是恒非负的,否则也无法出现合理的解释了。

特点二:误差越小函数值越小。
这个性质也是非常重要的,如果函数定义的不好,优化起来没有方向或者逻辑过于复杂,那对于问题处理显然是不利的。谁愿意没事给自己找个逻辑解释绕脖子的方法来解决问题啊,是不?

特点三:收敛快。
这个性质没有那么关键。收敛快的意思就是指在我们优化这个损失函数Loss的迭代过
程中需要让它比较快地逼近极小值,逼近函数值的低点。同等情况下一个钟头能得到解那
绝对没必要花三个钟头,好的损失函数的定义会让这个训练时间在一定程度上缩短的。不过这个条件不能算是必要条件,因为它只是不影响正确性,慢一点其实也不能算作“错误”。


以上就是深度学习中的损失函数的介绍和特性,阅读更多Python人工智能技术知识文章请返回本栏目,需要更多Python人工智能学习视频资料请联系客服小姐姐。
分享:0

电话咨询

客服热线服务时间

周一至周五 9:00-21:00

周六至周日 9:00-18:00

咨询电话

021-67690939
15201841284

微信扫一扫