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
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
TensorFlow中两种多分类损失函数categorical_crossentropy和sparse_categorical_crossentropy间的区别
TensorFlow/Keras binary_crossentropy损失函数
logistic回归算法的损失函数：binary_crossentropy（二元交叉熵）
日常英语---200720（tensorflow2优化函数：model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc'])）
损失函数
损失函数
损失函数
Combining STDP and binary networks for reinforcement learning from images and sparse rewards
交叉熵损失函数和均方误差损失函数
损失函数｜交叉熵损失函数