没有合适的资源?快使用搜索试试~ 我知道了~
第三章 损失函数和优化课时1 损失函数在上一章的课程中,我们讨论了识别问题,并尝试了数据驱动的方式,讲到了图像分类的难点在哪里;同时讨论了K近邻分类器以便作为介
资源详情
资源评论
资源推荐
原
2017CS231n李飞飞深度视觉识别笔记(三)——损失函数和优化
2018年07月12日 00:20:28 献世online 阅读数:475 更多
第三章 损失函数和优化
课时1 损失函数
在上一章的课程中,我们讨论了识别问题,并尝试了数据驱动的方式,讲到了图像分类的难点在哪里;同时讨论了K近邻分类器以便作为介绍数据驱动理念的一个
简单例子,最后还讨论了交叉验证以及如何把数据划分为训练集、验证集和测试集来设置超参数,线性分类作为我们引入神经网络的第一项基石。
这一节中我们将解决:如何给数据集选择一个正确的权重W以及怎么用训练数据来得到W的最优值。
对于下面的分类的得分结果:
我们可以很容易的看到对第一幅图猫的得分只有2.9,比其他的都要低很多,这是一个不好的结果;而对第二幅图汽车的得分有6.04,是最高的,这是一个正确的
结果;所以这些人眼看一下这些分数就知道哪些是好、哪些是坏,但是如果写算法来自动决定哪些W是最优的,就需要一个度量任意W的的好坏的方法。
可以用一个函数把W当做输入,然后看一下得分,定量地估计W的好坏,这个函数被称为损失函数。
有了损失函数的概念后,就可以定量地衡量任意一个W到底是好是坏,要找到一种有效的方式从W的可行域里找到W取什么值是不坏的情况,这个过程将是一个
优化过程。
下面来看一个具体的例子:
在这个例子中,目前猫的分类不对,汽车的分类正确,而青蛙是彻底分类错了。
正式一点来说,一般所谓的损失函数,比如说有一些训练数据集x和y,通常又N个样本,其中x是算法的输入,在图片分类问题里,x其实是图片每个像素点所构
成的数据集,y是希望预测出来的东西,通常称之为标签或目标。我们把最终的损失函数定义为 。
多分类SVM损失函数:
接下来介绍一下多分类SVM损失函数,多类别SVM是在处理多分类问题时的对二元SVM的一种推广。在二元SVM中,只有两个类,每个样本x要么被分类成正
例,要么被分类成负例;现在如果有10个类别了,就需要将二元的思想推广到多分类中。看一下损失函数对单个类的计算方式:
问题:这个公式到底是在计算什么?
杜拉拉到杜拉拉
- 粉丝: 17
- 资源: 325
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0