神經(jīng)網(wǎng)絡(luò)實(shí)踐經(jīng)驗(yàn)(3)

3. 慎用keras的binary_crossentropy

有的時(shí)候我們?cè)谟蒙窠?jīng)網(wǎng)絡(luò)訓(xùn)練二分類(lèi)模型的時(shí)候,我們常會(huì)用keras。keras關(guān)于二分類(lèi)的loss function有兩個(gè),一個(gè)是binary_crossentropy,一個(gè)是categorical_crossentropy(其實(shí)是多分類(lèi))。但是據(jù)本人實(shí)測(cè),用binary_ceossentropy的訓(xùn)練效果非常差,幾乎訓(xùn)練不出東西,所以暫時(shí)推薦使用categorical_crossentropy

至于為什么我也不知道,可能和內(nèi)部寫(xiě)法有關(guān)但是我也沒(méi)看keras內(nèi)部實(shí)現(xiàn)

沒(méi)有調(diào)查就沒(méi)有發(fā)言權(quán),對(duì)吧

所以先占個(gè)坑,知道了再補(bǔ)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀(guān)點(diǎn),簡(jiǎn)書(shū)系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容