这篇教程Keras损失函数Loss写得很实用，希望能帮到您。
损失函数Loss:
- 目标函数是编译模型必要的两个参数之一,可通过传递预定义目标函数名字指定目标函数,也可以传递一个符号函数作为目标函数.
- 可用的目标函数:
- mean_squared_error(mse):均方误差
- mean_absolute_error(mae):平均绝对误差
- mean_absolute_percentage_error(mape):平均绝对百分误差
- mean_squared_logarithmic_error(msle):平均对数平方误差
- squared_hinge:平方铰链误差,主要用于SVM.
- hinge:铰链误差,主要用于SVM.
- categorical_hinge
- binary_crossentropy（ogloss）:对数损失函数
- logcosh:预测误差的双曲余弦函数的对数
- categorical_crossentropy：多类的对数损失
- sparse_categorical_crossentrop：接受稀疏标签的多类对数损失
- kullback_leibler_divergence:相对熵,KL散度
- poisson：
(predictions - targets * log(predictions))的均值
- cosine_proximity：预测误差的余弦距离平均值的相反数
Keras图片预处理ImageDataGenerator:图片生成器
Keras优化器Optimizer |
