损失函数(自整理)

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

本篇文章主要是记录一下不同场景，不同任务下的损失函数，主要会对比不同损失函数之间的特点，优缺点，以及应用场景

---

一、回归任务

1.1 L1平均绝对差损失（Mean Absolute Error Loss，MAE）

1.2 L2 均方根损失 (Root Mean Squared Error Loss，RMSE)

1.3 均方差损失（Mean Squared Error Loss，MSE）

1.4 平滑L1 损失函数(Smooth L1 Loss)

1.5 huber loss

二、分类任务

2.1 0-1损失函数(zero-one loss)

2.2 交叉熵损失(Cross Entropy loss)

2.3 合页损失(Hinge Loss)

2.4 Softmax Loss

2.5 Focal Loss

2.6 Dice Loss

2.7 BCE loss

三、特殊任务

3.1 人脸识别

3.2 风格迁移

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。