首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

深度学习中的损失函数

与回归任务不同,分类任务是指标签信息是一个离散值,其表示的是样本对应的类别,一般使用one-hot向量来表示类别,例如源数据中有两类,分别为猫和狗,此时可以使用数字1和数字2来表示猫和狗,但是更常用的方法是使用向量[0,1]表示猫,使用向量[1,0]表示狗。one-hot的中文释义为独热,热 的位置对应于向量中的1,所以容易理解独热的意思是指向量中只有一个位置为1,而其他位置都为0。那么使用独热编码表征类别相较于直接用标量进行表征有什么好处呢,从类别的区分性来说,两者都可以完成对不同类别的区分。但是从标量数字的性质来说,其在距离方面的诠释不如one-hot。例如现在有三个类别,分别为猫,狗和西瓜,若用标量表示可以表示为label猫=1,label狗=2,label西瓜=3,从距离上来说,以欧氏距离为例,dist(猫,狗)=1,dist(狗,西瓜)=1,dist(猫,西瓜)=2,这样会得出一个荒谬的结论,狗要比猫更像西瓜,因此用标量来区分类别是不明确的,若以独热编码表示类别,即label猫=[1,0,0],label狗=[0,1,0],label西瓜=[0,0,1],容易验证各类别之间距离都相同。

02

基于ChatGPT函数调用来实现C#本地函数逻辑链式调用助力大模型落地

6 月 13 日 OpenAI 官网突然发布了重磅的 ChatGPT 更新,我相信大家都看到了 ,除了调用降本和增加更长的上下文版本外,开发者们最关心的应该还是新的函数调用能力。通过这项能力模型在需要的时候可以调用函数并生成对应的 JSON 对象作为输出。这使开发人员能更准确地从模型获取结构化数据,实现从自然语言到 API 调用或数据库查询的转换,也可以用于从文本中提取结构化数据。如果说之前的ChatGPT只能基于提示词结合类似的工具来实现调用链提示(比如大火的python LLM自动化库LangChain或者微软的Semantic Kernel),那么现在官方下场直接提供函数调用接口,无疑在稳定性(基于三方库的函数调用主要是依赖提示词实现,其稳定性和提示词质量高度相关)和易用性上都上了一大台阶。

04
领券