machine-learning - 用外行的话来说,LossFunction 和 OptimizationAlgorithm 有什么区别?
问题描述
我得到的部分是训练网络就是通过优化算法找到正确的权重,决定如何更新权重,直到获得正确预测所需的权重出现。
因此,主要问题的百万美元问题是:
(1.)如果optimization algorithms
更新权重,对网络loss functions
的权重有什么影响?
(2.)loss functions
仅特定于神经网络的输出层?deeplearning4j
(我在框架中看到的大多数示例都在输出层实现它)。
PS: 我真的很想以最简单的方式了解这两者之间的基本区别。我不是在寻找任何复杂的东西或一些数学爆炸。
解决方案
optimization algorithm
试图找到的minimum
。loss function
在哪些方面weights
是理想的。
推荐阅读
- html - 将表格的值从一个jsp页面(html中的表格数据)传递到另一个jsp页面中的另一个表格
- node.js - 护照认证什么都不做
- react-native - “反应 - 本机链接错误文件 C:\Users\pc\AppData\Roaming\npm\react-native.ps1 无法加载”
- c# - 从外部 Page 添加到 ObservableCollection 的新元素不会被持久化
- interface - 如何在 UML 组件图中找出组件的正确接口?
- r - 显示存储在列表中的图,禁止将名称和索引打印到控制台
- c++ - macdeployqt 不验证应用程序
- aws-amplify - Amplify Web Hosting 默认使用 CloudFront CDN 吗?
- html - 在没有 CSS 的情况下在 wordpress 上自定义表格?
- python - 如何根据出现的次数添加额外的列