Machine learning 计算MNIST误差的正确方法是什么
识别MNIST数据库的网络的输出是10个类的预测,即对于1000个图像,我们将有大小为(1000,10)的矩阵。哪种方式更能代表成本函数(为什么?)Machine learning 计算MNIST误差的正确方法是什么,machine-learning,tensorflow,neural-network,mnist,Machine Learning,Tensorflow,Neural Network,Mnist,识别MNIST数据库的网络的输出是10个类的预测,即对于1000个图像,我们将有大小为(1000,10)的矩阵。哪种方式更能代表成本函数(为什么?) 简单的tf.平方差(Y\u pred,Y\u pred) 批次平均值tf.减少平均值(tf.tf.平方差(Y\u pred,Y\u pred),轴=0) 或者在类别和批次上的平均值tf.reduce\u men(tf.reduce\u均值(tf.tf.squared\u差(Y\u pred,Y\u pred,axis=1)) 谢谢因为您的目标是
- 简单的
tf.平方差(Y\u pred,Y\u pred)
- 批次平均值
tf.减少平均值(tf.tf.平方差(Y\u pred,Y\u pred),轴=0)
- 或者在类别和批次上的平均值
tf.reduce\u men(tf.reduce\u均值(tf.tf.squared\u差(Y\u pred,Y\u pred,axis=1))
谢谢因为您的目标是类别(从0到9的数字),所以最好使用a,并执行以下操作:
cross_entropy = -tf.reduce_sum(Y * tf.log(Y_pred + 1e-10))
optimizer = tf.train.AdamOptimizer(0.001).minimize(cross_entropy)
此处,Y
为实际目标值,Y_pred
为预测目标值。
以下是分类问题中交叉熵优于均方误差的优点。欢迎来到StackOverflow。请阅读并遵循帮助文档中的发布指南。在这里申请。StackOverflow不是设计、编码或教程服务。展示您的工作,将未解决的问题减少到一个小的单点,然后您就可以在此网站上获得帮助。