损失函数：binary_crossentropy、categorical_crossentropy、sparse_categorical_crossentropy

对于二分类问题，损失函数用binary_crossentropy

对于多分类问题

　　如果label是one-hot编码，用categorical_crossentropy

　　如果label是整数编码，用sparse_categorical_crossentropy

　　

备注：

one-hot编码就是在标签向量化的时候，每个标签都是一个N维的向量（N由自己确定），其中这个向量只有一个值为1，其余的都为0

整数编码就是对所有标签都放到一个向量中，每个标签对应向量的一个值

posted @   帅帅的飞猪  阅读(532)  评论(0)  编辑  收藏  举报
编辑推荐：
· .NET Core 中如何实现缓存的预热？
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列：如何用heaptrack跟踪.NET程序的非托管内存泄露
阅读排行：
· TypeScript + Deepseek 打造卜卦网站：技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 三行代码完成国际化适配，妙~啊~
· .NET Core 中如何实现缓存的预热？
历史上的今天：
2019-08-19 几何图形、函数、映射、范数
点击右上角即可分享
微信分享提示
SQL AI 助手