在训练神经网络时，目标向量的值是什么？

在训练神经网络时，目标向量的值是用于指导网络学习的期望输出值。目标向量通常是一个与输入数据对应的标签或类别，用于衡量网络输出与期望输出之间的差异，从而通过反向传播算法来调整网络参数，使得网络的输出逐渐接近目标向量。

目标向量的值可以是离散的类别标签，也可以是连续的数值。在分类任务中，目标向量通常采用独热编码（One-Hot Encoding）表示，其中目标向量的维度与类别数量相等，每个维度表示一个类别，对应的类别维度为1，其他维度为0。例如，对于一个三分类任务，目标向量可以表示为1, 0, 0、0, 1, 0或0, 0, 1。

在回归任务中，目标向量的值可以是连续的实数，表示期望的数值输出。例如，对于房价预测任务，目标向量可以表示为一个实数，表示期望的房价。

目标向量的值在训练过程中起到了关键的作用，通过计算网络输出与目标向量之间的差异，可以使用损失函数来度量网络的预测误差，并通过反向传播算法来更新网络参数，使得网络的输出逐渐接近目标向量，从而提高网络的预测准确性。

腾讯云相关产品和产品介绍链接地址：