對於二分類問題，損失函數用binary_crossentropy
對於多分類問題
如果label是one-hot編碼，用categorical_crossentropy
如果label是整數編碼，用sparse_categorical_crossentropy
備注：
one-hot編碼就是在標簽向量化的時候，每個標簽都是一個N維的向量（N由自己確定），其中這個向量只有一個值為1，其余的都為0
整數編碼就是對所有標簽都放到一個向量中，每個標簽對應向量的一個值
免責聲明！
本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。
猜您在找
categorical_crossentropy和sparse_categorical_crossentropy
categorical_crossentropy和binary_crossentropy的區別
categorical_crossentropy和sparse_categorical_crossentropy的區別：實例講解
categorical_crossentropy VS. sparse_categorical_crossentropy
TensorFlow中兩種多分類損失函數categorical_crossentropy和sparse_categorical_crossentropy間的區別
TensorFlow/Keras binary_crossentropy損失函數
binary_crossentropy和BinaryCrossentropy的區別
深度學習筆記 目標函數的總結與整理 model.compile(loss='categorical_crossentropy',optimizer=sgd,metrics=['accuracy'])
logistic回歸算法的損失函數：binary_crossentropy（二元交叉熵）
日常英語---200720（tensorflow2優化函數：model.compile(optimizer='adam',loss='binary_crossentropy',metrics=['acc'])）