提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
本篇文章主要是记录一下不同场景,不同任务下的损失函数,主要会对比不同损失函数之间的特点,优缺点,以及应用场景
一、回归任务
1.1 L1平均绝对差损失(Mean Absolute Error Loss,MAE)
1.2 L2 均方根损失 (Root Mean Squared Error Loss,RMSE)
1.3 均方差损失(Mean Squared Error Loss,MSE)
1.4 平滑L1 损失函数(Smooth L1 Loss)
1.5 huber loss
二、分类任务
2.1 0-1损失函数(zero-one loss)
2.2 交叉熵损失(Cross Entropy loss)
2.3 合页损失(Hinge Loss)
2.4 Softmax Loss
2.5 Focal Loss
2.6 Dice Loss
2.7 BCE loss
三、特殊任务
3.1 人脸识别
3.2 风格迁移
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。