cross-entropy
-
为什么 Keras/tensorflow 的 sigmoid 和交叉熵精度低？
-
如何计算像素级预测的交叉熵
-
具有用于语义分割损失计算的损失层的caffe softmax
-
计算机视觉中图像分割任务的标签到底是什么
-
具有虚拟输入的简单模型中具有 softmax 交叉熵的 NaN
-
MXNet 中的 CrossEntropy 和 NegativeLogLikelihood 有什么区别？
-
张量流中的简单 softmax 分类器
-
Keras 损失一直很低，但准确性开始很高然后下降
-
交叉熵和对数损失误差有什么区别？
-
在 pytorch 中用于图像分割的通道明智的 CrossEntropyLoss
-
为什么 reduce_mean 应用于 sparse_softmax_cross_entropy_with_logits 的输出？
-
在pytorch中，如何使用F.cross_entropy()中的weight参数？
-
TensorFlow 模型获得零损失
-
为什么带有 sigmoid 的神经网络代码与带有 softmax_cross_entropy_with_logits 的代码如此不同？
-
如何批量计算指针网络的交叉熵？
-
为什么我的对数损失（或交叉熵）的实现没有产生相同的结果？
-
Python - tensorflow 的低准确度和低损失
-
在收敛性方面比较 MSE 损失和交叉熵损失
-
TensorFlow sequence_loss 与 label_smoothing
-
为什么 "softmax_cross_entropy_with_logits_v2" 反向传播到标签中