創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

創(chuàng)新互聯(lián)自2013年創(chuàng)立以來，公司以做網(wǎng)站、成都網(wǎng)站制作、系統(tǒng)開發(fā)、網(wǎng)絡(luò)推廣、文化傳媒、企業(yè)宣傳、平面廣告設(shè)計等為主要業(yè)務(wù)，適用行業(yè)近百種。服務(wù)企業(yè)客戶上1000家，涉及國內(nèi)多個省份客戶。擁有多年網(wǎng)站建設(shè)開發(fā)經(jīng)驗。為企業(yè)提供專業(yè)的網(wǎng)站建設(shè)、創(chuàng)意設(shè)計、宣傳推廣等服務(wù)。 通過專業(yè)的設(shè)計、獨特的風(fēng)格，為不同客戶提供各種風(fēng)格的特色服務(wù)。

這篇文章主要介紹keras:model.compile損失函數(shù)怎么用，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們一定要看完！

損失函數(shù)loss：該參數(shù)為模型試圖最小化的目標(biāo)函數(shù)，它可為預(yù)定義的損失函數(shù)名，如categorical_crossentropy、mse，也可以為一個損失函數(shù)。詳情見losses

可用的損失目標(biāo)函數(shù)：

mean_squared_error或mse

mean_absolute_error或mae

mean_absolute_percentage_error或mape

mean_squared_logarithmic_error或msle

squared_hinge

hinge

categorical_hinge

binary_crossentropy（亦稱作對數(shù)損失，logloss）

logcosh

categorical_crossentropy：亦稱作多類的對數(shù)損失，注意使用該目標(biāo)函數(shù)時，需要將標(biāo)簽轉(zhuǎn)化為形如(nb_samples, nb_classes)的二值序列

sparse_categorical_crossentrop：如上，但接受稀疏標(biāo)簽。注意，使用該函數(shù)時仍然需要你的標(biāo)簽與輸出值的維度相同，你可能需要在標(biāo)簽數(shù)據(jù)上增加一個維度：np.expand_dims(y,-1)

kullback_leibler_divergence：從預(yù)測值概率分布Q到真值概率分布P的信息增益,用以度量兩個分布的差異.

poisson：即(predictions - targets * log(predictions))的均值

cosine_proximity：即預(yù)測值與真實標(biāo)簽的余弦距離平均值的相反數(shù)

補充知識：keras.model.compile() 自定義損失函數(shù)注意點

基本用法

model.compile(optimizer=Adam(lr=1e-4), loss='binary_crossentropy', metrics=['accuracy'])

注意

loss后類似'binary_crossentropy'、'mse'等代稱

loss為函數(shù)名稱的時候，不帶括號

函數(shù)參數(shù)必須為(y_true, y_pred, **kwards)的格式

不能直接使用tf.nn.sigmoid_cross_entropy_with_logits等函數(shù)，因為其參數(shù)格式為(labels=None,

logits=None)，需要指定labels=、logits=這兩個參數(shù)

以上是keras:model.compile損失函數(shù)怎么用的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司行業(yè)資訊頻道！

分享文章：keras:model.compile損失函數(shù)怎么用-創(chuàng)新互聯(lián)
文章路徑：http://weahome.cn/article/gcjpj.html