一、tensorflow常用的優化器 　　關於優化方法請查看：神經網絡DNN —— 優化算法。 　　前面模型訓練的的優化方法一直用的都是普通的梯度下降法，對應的優化器為tf.train.GradientDescentOptimizer，在tensorflow中優化器屬於class ...

此文轉載於： https://www.cnblogs.com/penghuwan/p/7356210.html#3870818 【javascript】函數中的this的四種綁定形式 — 大家准備好瓜子，我要講故事啦~~ 目錄 ...

主要內容 分析函數的四種調用形式 弄清楚函數中this的意義 明確構造函對象的過程 學會使用上下文調用函數 　　了解函數的調用過程有助於深入學習與分析JavaScript代碼. 本文是JavaScript高級這 個系列中的第三篇文章，主要介紹JavaScript中函數 ...

Fork版本項目地址：SSD 一、損失函數介紹 SSD損失函數分為兩個部分：對應搜索框的位置loss（loc）和類別置信度loss（conf）。（搜索框指網絡生成的網格） 詳細的說明如下： i指代搜索框序號，j指代真實框序號，p指代類別序號，p=0表示背景， 中取1表示此時第i個搜索框 ...

1.損失函數---------經典損失函數--------交叉熵：交叉熵刻畫了兩個概率分布之間的距離，它是分類問題中使用比較廣的一種損失函數。通過q來表示p的交叉熵為： Softmax將神經網絡前向傳播得到的結果變成概率分布，原始神經網絡的輸出被用作置信度來生成新的輸出，而新的輸出滿足 ...

交叉熵損失： 給定兩個概率分布p和q，通過q來表示p的交叉熵為： 從上述公式可以看出交叉熵函數是不對稱的，即H(p,q)不等於H（q,p)。 交叉熵刻畫的是兩個概率分布之間的距離，它表示通過概率分布q來表示概率分布p的困難程度。所以使用交叉熵作為 神經網絡的損失函數時，p代表的是正確答案 ...

損失算法的選取 損失函數的選取取決於輸入標簽數據的類型： 如果輸入的是實數、無界的值，損失函數使用平方差； 如果輸入標簽是位矢量（分類標志），使用交叉熵會更適合。 1．均值平方差 在TensorFlow沒有單獨的MSE函數，不過由於公式比較簡單，往往開發者都會 ...

目錄 一、什么是模塊？ 二、模塊的四種形式 三、為什么要用模塊？ 四、如何用模塊 一、什么是模塊？ 模塊是一系列功能的集合體，而函數是某一個功能的集合體，因此模塊可以看成是一堆函數的集合體。一個py文件內部就可以放一堆函數，因此一個py文件就可以看 ...