-->
Loss function损失函数用来评价模型的预测值和真实值不一样的程度,损失函数越好,通常模型的性能越好。不同的模型用的损失函数一般也不一样。损失函数分为经验风险损失函数和结构风险损失函数。经验风险损失函数指预测结果和实际结果的差别,结构风险损失函数是指经验风险损失函数加上正则项。常见损失函数与优缺点Zero-one loss$$ L(Y,f(X))= \left\{\begin{matrix} 1,Y\neq f(X) \\ 0,Y=f(X)\end{matrix}\right. $$0-1损失函数直接对应了分类判断错误的个数,但它是非凸函数,不好优化感知机使用的即是该损失函数,但这个条件太严格,也可以放宽条件:$$ L(Y,f(X))= \left\{\begin{matrix} 1,\left| Y-f(X)\right|\geq T \\ 0,\left| Y-f(X)\right|<T \end{matrix}\right. $$绝对值损失函数$$ L(Y,f(x))=\left|Y-f(x)\right| $$log对数损失函数$$ L(Y,P(Y|X))=-
Transforms的结构及用法transforms.py相当于一个工具箱,工具箱中有名为totensor,resize等工具,图片被这些工具处理之后会得到我们想要的结果。在使用工具前,需要创建具体的工具,如:tool = treansforms.ToTensor(),接着将图片输入,得到结果:tensor_img = tool(img). 主要操作流程为:输入图片,使用PIL库中的Image.open()常见的Transforms要弄清楚输入输出的数据类型,处理的方法能实现什么样的效果。
Bangyao Wang
不啻微芒,造炬成阳