最近在利用卷積神經網絡跑模型的時候，總會出現一些奇奇怪怪的問題，而其中出現次數最多的就是loss值計算方式選擇錯誤問題。在tensorflow中封裝的loss值的計算方式有三種：BinaryCrossentropy，SparseCategoricalCrossentropy，CategoricalCrossentropy。下面簡單說一下這三種計算方式適用于什么場合？

1.BinaryCrossentropy

常用于二分類問題，當然也可以用于多分類問題，通常需要在網絡的最后一層添加sigmoid進行配合使用，其期望輸出值（target）需要進行one-hot編碼。

2.SparseCategoricalCrossentropy

tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False, reduction=losses_utils.ReductionV2.AUTO,name='sparse_categorical_crossentropy' )

如果目標是數字編碼 ，比如多分類0,1, 2, 3，損失函數用 sparse_categorical_crossentropy。

3.CategoricalCrossentropy

tf.keras.losses.CategoricalCrossentropy(from_logits=False, reduction=losses_utils.ReductionV2.AUTO,name='categorical_crossentropy' )

如果目標是one-hot 編碼，比如二分類【0,1】【1,0】，損失函數用 categorical_crossentropy。這一點與BinaryCrossentropy方法類似。

努力加油a啊

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的搭建卷积神经网络时loss计算方式的选择的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。