1回答
使用mse实现损失函数
、、、、
我正在使用MSE来衡量损失。在下面的代码中，我实现了loss_mse函数，该函数应该用给定的theta计算输入集的均方误差 def loss_mse(X,y,theta): predictions3.0], [3.0, 6.0, 2.0]])theta = np.array([[1.0], [2.0],[1.0]])
error = loss_
浏览 16提问于2020-10-09得票数 0
回答已采纳
我用来计算数据的函数没有任何非线性性质，所以我首先认为一层或两层就足够了。对于三层，MSE仍然在10^10的区域，我不知道我做错了什么。回归应该返回三个绝对值，可以大于1-这就是为什么我没有使用softmax层。 loss='categorical_crossentropy',
metrics=['mse
浏览 1提问于2018-07-21得票数 0
回答已采纳
因此G的输出损失是||yTrue - yPred||_2^{2}，我最小化了它w.r.t生成器输入(正态分布的潜变量)。下面是给出好结果的代码。现在的问题是，我还想在第一行添加先验损失( (1-D(G(Z)，但是我不知道怎么做，因为D现在没有连接到G，如果我在第一行直接添加k.mean(k.log(1-D.
浏览 0提问于2017-10-11得票数 0
1回答
正如Keras手册-Deep中所描述的，对于多输出模型，我们需要为不同的网络负责人指定不同的损失函数。但是，由于梯度下降要求最小化标量，所以必须将这些损失合并为单个值，以便训练模型。非常不平衡的损失贡献将导致模型表示优先为最大的个人损失的任务优化，而牺牲其他任务。为了弥补这一点，您可以在损失值对最终损失的贡献中，对损失值指定不同的重要级别。如果损失的数值使用不同的尺度，这是非常有用的。有谁能在以下方面提供帮助：
我有
浏览 2提问于2018-05-28得票数 3
2回答
我计划用RMSE作为模型的损失函数，并尝试使用PyTorch的nn.MSELoss()，并使用torch.sqrt()作为平方根，但在得到结果后感到困惑，我会尽力解释原因。很明显，对于批处理大小的bs，输出张量的维度将是[bs , 20].I试图实现的，并由我自己实现RMSE函数： return l
浏览 5提问于2020-05-24得票数 6
回答已采纳
我有一个回归任务:y= f(x)，所以，我想给y中的非零值更大的权重；
E是权重参数，它能工作吗？如何在tensorflow中实现？
浏览 0提问于2019-01-24得票数 0
4回答
我正在努力找出正确的网络损失函数。问题是，当我使用二元交叉熵作为损失函数时，训练和测试的损失值要比使用均方误差(MSE)函数要高。我不知道如何证明这些结果是合理的。为什么不使用均方误差来解决分类问题呢？
浏览 0提问于2019-05-06得票数 11
回答已采纳
2回答
我已经建立了一个带有损失函数mse的网络。但我觉得在整数输出的情况下，mse损失函数可能不是一个理想的最小化损失函数。model.compile(optimizer=SGD(0.001), loss='mse')
浏览 18提问于2020-02-16得票数 0
对于上下文，我在Keras中训练了两个独立的自动编码器:一个具有标准的MSE损失函数，另一个具有自定义的MSE损失函数。当在训练中的给定时间点评估这两个模型时，它们具有非常相似的性能，但损失却非常不同。 我的性能指标是平均百分比误差。这两个模型都在重建原始图像，平均误差在3%左右。然而，当这些模型被保存时，标准Keras MSE模型的损失不到1.0，而具有自定义MSE成本函数的模型的损失</
浏览 31提问于2020-04-24得票数 0
回答已采纳
1回答
我想实现一个不对称的损失函数，比如这里提到的
mse = tf.reduce_mean(tf.squared_difference(out，Y))
我想替换为mse = tf.reduce_mean(asymetric_squared_difference
浏览 1提问于2018-07-12得票数 1
我的损失fnc看起来是：如您所见，损失是两个mse的加权和，分别为新样本和重放样本计算。，这意味着每当我想训练一个批时，我想分离新的和重放数据点，并计算整个批的标量损失。
如何在Keras中实现此丢失函数并与train_on_batch一起使用
浏览 7提问于2021-01-04得票数 0
1回答
我的想法是，这是由于在Keras中使用MeanSquareError作为损失函数(最小化误差)。所以我正在尝试实现梯度上升(以最大化回报)。如何在Keras中做到这一点？LSTM(env.NUM_FEATURES))model.add(Dense(4))
metrics=[tf
浏览 47提问于2020-11-23得票数 0
回答已采纳
我正在为Keras和Tensorflow在R中创建一个自定义丢失函数。为了使我的编码尝试可信，我尝试重新创建MSE并将其与Keras的内置功能进行比较。在这个完全可复制的示例中，我开发了函数my_mse()和metric_mse()：library(tensorflow)
train_data, train_targets,
浏览 6提问于2022-09-21得票数 0
1回答
均方根误差有什么问题？
、、、
我不明白我的rMSE实现有什么问题。我使用MSE作为损失函数来训练我的模型，对于度量标准也是一样的。在训练后，我使用evaluate函数在测试集中对我的模型进行评估，然后使用predict函数来获得值。然后我应用rMSE。我的代码是：
obs= model.compile(loss='mse', optimizer=keras.optimizers.Adam(lr=0.001),metrics=[
浏览 1提问于2018-04-26得票数 0
回答已采纳
我试图评估单个2D测试样本的MSE损失，在Keras中使用一个自动编码器(AE)，一旦模型被训练，我很惊讶当我调用Keras内置函数来获取单个样本的丢失时，它会返回2D张量。这意味着损失函数计算每个样本的每个像素损失，而不是每个样本计算一个损失(?)。为了非常清楚，我期望MSE将所有像素上计算的平方误差的平均值与每个2D样本相关联(正如我在这个上所读到的)。由于在使用.predict()和.evaluate()训练我
浏览 0提问于2019-08-19得票数 3
回答已采纳
损失函数是机器学习的重要组成部分。均方误差测量估计值和估计值之间的平均平方差。“平方损失”和“均方误差”之间
浏览 0提问于2019-06-04得票数 5
1回答
均方误差损失函数计算
、、、
我使用形状为30,26的输入样本和形状为1,7的输出样本，以均方误差作为损失函数(model.compile(loss="mse", optimizer="adam")来训练seq2seq网络。然而，当我比较history.history['loss']和keras_error = tf.keras.losses.MSE(predictions_train, data_train) (返回一个我平均的错误数组非常感谢关于如何为这样的输出序列计算<
浏览 16提问于2020-07-29得票数 0
我注意到，当使用FP16，mse作为损失函数，adam作为优化器在Keras中训练序列模型时，损失无法计算，我得到了nan值。在使用FP32或使用FP16更改优化器时没有问题(我尝试过adamax和sgd)。是我遗漏了什么，还是adam的实现有什么问题？ 代码片段可在here中找到
浏览 10提问于2018-12-25得票数 1
回答已采纳
以下是代码： rec_loss = tf.losses.mean_squared_error(img, img_rec)其中gaussian_nll函数定义如下(变量定义的唯一不同是标志trainable)
tf.losses.mean_squared_error (
浏览 0提问于2021-02-22得票数 0
我已经定义了我自己的损失函数。它确实有效。前馈可能没有问题。但我不确定它是否正确，因为我没有定义backward()。weight[i,j] return loss1)是否需要定义backward() to loss函数
浏览 0提问于2017-09-25得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
