Loss layer[edit]It can use differen

Loss layer[edit]
It can use different loss functions for different tasks. Softmax loss is used for predicting a single class of K mutually exclusive classes. Sigmoid cross-entropy loss is used for predicting K independent probability values in [0,1]. Euclidean loss is used for regressing to real-valued labels [-inf,inf]

ผลลัพธ์ (ไทย) 1:

ชั้นขาดทุน [แก้ไข]มันสามารถใช้ฟังก์ชันขาดทุนแตกต่างกันสำหรับงานที่แตกต่างกัน ขาดทุน Softmax ใช้สำหรับการคาดการณ์ระดับเดียวของ K นั่นเรียน Sigmoid ครอส-ขาดทุนจะใช้สำหรับการคาดการณ์ค่าความน่าเป็นอิสระ K [0,1] ขาดทุน Euclidean ใช้ลให้กับมูลค่าจริงป้าย [-inf, inf]

ผลลัพธ์ (ไทย) 2:

การสูญเสียชั้น [แก้ไข]
มันสามารถใช้ฟังก์ชั่นการสูญเสียที่แตกต่างกันสำหรับงานที่แตกต่างกัน การสูญเสีย Softmax ถูกนำมาใช้ในการทำนายชั้นเดียวของ K ร่วมกันเรียนพิเศษ sigmoid สูญเสียข้ามเอนโทรปีถูกนำมาใช้ในการทำนาย K ค่าความน่าจะเป็นอิสระ [0,1] การสูญเสียแบบยุคลิดจะใช้สำหรับการถอยป้ายชื่อจริงมูลค่า [-inf, INF]

ผลลัพธ์ (ไทย) 3:

การสูญเสียชั้น [ แก้ไข ]
ก็สามารถใช้ฟังก์ชันการสูญเสียที่แตกต่างกันสำหรับงานที่แตกต่างกัน การสูญเสีย softmax ใช้ทำนายชั้นเดียวของ K พิเศษร่วมกันในชั้นเรียน แบบข้ามเอนโทรปีการสูญเสียที่ใช้สำหรับทำนายค่าความน่าจะเป็นใน 0.1 K อิสระ [ ] การสูญเสียคุณภาพใช้สำหรับถอยจริง มูลค่าป้าย [ - inf inf ]

,