tensorflow损失函数选择

一、对于连续值向量的回归问题
ann.compile(optimizer=‘adam’,loss=‘mse’) # 均方误差损失函数
对于二分类问题，使用二元交叉熵损失函数：
二、ann.compile(optimizer=‘adam’,loss=‘binary_crossentropy’, # 二元交叉熵损失函数
metrics=[‘accuracy’])
三、对于多分类问题，如果标签是整数数值，如1，2，3，4，5，则使用稀疏分类交叉熵损失函数
ann.compile(optimizer=‘adam’,loss=‘sparse_categorical_crossentropy’, # 稀疏分类交叉熵损失函数
metrics=[‘accuracy’])
四、对于多分类问题，如果标签是one-hot编码，则用分类交叉熵损失函数：
ann.compile(optimizer=‘adam’, loss=‘categorical_crossentropy’, # 分类交叉熵损失函数
metrics=[‘accuracy’])
五、对于序列问题，如语音识别等，则可以用时序分类（Connectionist Temporal Classification， CTC） 等损失函数。
————————————————
版权声明：本文为CSDN博主「dglory1」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/dglory1/article/details/116669143