会员服务
机器学习 · 损失函数 · 教程 ·
2022 年 3 月 19 日
机器学习损失函数概述，Loss Functions in Machine Learning
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

一个关于机器学习中常用损失函数的小教程或介绍，包括交叉损失、L1损失、L2损失和hinge损失。实用的细节包括PyTorch。

成为VIP会员查看完整内容
https://medium.com/swlh/cross-entropy-loss-in-pytorch-c010faf97bab
84

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多 推论问题属于 无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知会员服务
123+阅读 · 2022年1月27日
【经典书】使用机器学习R语言，149页pdf，Practical Machine Learning in R
【经典书】使用机器学习R语言，149页pdf，Practical Machine Learning in R
专知会员服务
24+阅读 · 2021年1月13日
【经典书】机器学习白话书，97页pdf，Machine Learning for Humans
【经典书】机器学习白话书，97页pdf，Machine Learning for Humans
专知会员服务
88+阅读 · 2021年1月11日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
39+阅读 · 2020年11月3日
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
专知会员服务
25+阅读 · 2020年9月24日
最新《机器学习最优化》课程笔记，36页pdf，Optimization for Machine Learning
专知会员服务
171+阅读 · 2020年5月10日
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
专知会员服务
93+阅读 · 2020年5月6日
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
专知会员服务
310+阅读 · 2020年2月26日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
77+阅读 · 2020年2月8日
【经典图书】机器学习基础，427页pdf Foundations of machine learning
【经典图书】机器学习基础，427页pdf Foundations of machine learning
专知会员服务
158+阅读 · 2019年11月14日
损失函数技术总结及Pytorch使用示例
损失函数技术总结及Pytorch使用示例
极市平台
3+阅读 · 2022年4月10日
【Manning新书】自动机器学习实战，Automated Machine Learning in Action
【Manning新书】自动机器学习实战，Automated Machine Learning in Action
专知
8+阅读 · 2022年4月8日
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
专知
8+阅读 · 2022年2月6日
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知
13+阅读 · 2022年1月27日
一文理解Ranking Loss/Margin Loss/Triplet Loss
一文理解Ranking Loss/Margin Loss/Triplet Loss
极市平台
16+阅读 · 2020年8月10日
浅谈主动学习（Active Learning）
浅谈主动学习（Active Learning）
凡人机器学习
32+阅读 · 2020年6月18日
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
专知
22+阅读 · 2020年2月26日
度量学习中的pair-based loss
度量学习中的pair-based loss
极市平台
65+阅读 · 2019年7月17日
PyTorch 学习笔记（六）：PyTorch的十七个损失函数
PyTorch 学习笔记（六）：PyTorch的十七个损失函数
极市平台
47+阅读 · 2019年5月13日
读论文Discriminative Deep Metric Learning for Face and KV
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
分布式有监督学习的学习理论
国家自然科学基金
17+阅读 · 2015年12月31日
排序与半监督学习的误差分析
国家自然科学基金
0+阅读 · 2015年12月31日
基于最大相关熵准则的支持向量机模型与算法研究
国家自然科学基金
3+阅读 · 2015年12月31日
可信软件的度量与测试方法研究
国家自然科学基金
2+阅读 · 2014年12月31日
Spiking神经网络学习算法研究
国家自然科学基金
2+阅读 · 2012年12月31日
部分监督学习问题的支持向量机及其应用
国家自然科学基金
3+阅读 · 2012年12月31日
泛函网络代数理论与学习算法及泛化能力研究
国家自然科学基金
1+阅读 · 2011年12月31日
基于损失函数的统计机器学习算法及其应用研究
国家自然科学基金
8+阅读 · 2009年12月31日
半监督回归学习理论和方法及其在工业过程软测量建模中的应用研究
国家自然科学基金
1+阅读 · 2009年12月31日
基于机器学习的复杂网络社团结构分析及其应用研究
国家自然科学基金
4+阅读 · 2008年12月31日
On Parametric Optimal Execution and Machine Learning Surrogates
Arxiv
0+阅读 · 2022年4月18日
Theory of Graph Neural Networks: Representation and Learning
Arxiv
4+阅读 · 2022年4月16日
Machine Learning: Algorithms, Models, and Applications
Arxiv
23+阅读 · 2022年1月6日
Automated Graph Machine Learning: Approaches, Libraries and Directions
Arxiv
20+阅读 · 2022年1月4日
Max-Margin Contrastive Learning
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Recent Advances in Large Margin Learning
Arxiv
12+阅读 · 2021年3月25日
A Modern Introduction to Online Learning
A Modern Introduction to Online Learning
Arxiv
21+阅读 · 2019年12月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Notes on Deep Learning for NLP
Arxiv
22+阅读 · 2018年8月30日
Machine Learning: Basic Principles
Arxiv
26+阅读 · 2018年8月19日
VIP会员
相关主题
机器学习
损失函数
教程
最新内容
CVPR 2026教程｜扩散模型原理：连续、离散与实时生成
CVPR 2026教程｜扩散模型原理：连续、离散与实时生成
专知会员服务
1+阅读 · 今天13:30
重磅综述｜大模型智能体环境工程：建模、合成、评估与协同演化
重磅综述｜大模型智能体环境工程：建模、合成、评估与协同演化
专知会员服务
1+阅读 · 今天13:28
面向特种部队的、以操作员为中心的人工智能决策支持系统框架
面向特种部队的、以操作员为中心的人工智能决策支持系统框架
专知会员服务
5+阅读 · 今天7:54
《多域战场上反制小型无人机系统》150页
《多域战场上反制小型无人机系统》150页
专知会员服务
14+阅读 · 今天7:47
《基于成果军事教育框架下的军官联合职业军事教育认证程序》2026最新170页
《基于成果军事教育框架下的军官联合职业军事教育认证程序》2026最新170页
专知会员服务
5+阅读 · 今天7:43
战场人工智能：增强陆地作战能力的发现与要求
战场人工智能：增强陆地作战能力的发现与要求
专知会员服务
3+阅读 · 今天7:37
人工智能赋能指挥所：以人工智能为中心的指挥控制的核心要素
人工智能赋能指挥所：以人工智能为中心的指挥控制的核心要素
专知会员服务
7+阅读 · 今天7:33
以人工智能为中心的指挥控制
以人工智能为中心的指挥控制
专知会员服务
3+阅读 · 今天7:14
《通过适应复杂环境与特殊作战行动动态来变革情报周期》
《通过适应复杂环境与特殊作战行动动态来变革情报周期》
专知会员服务
4+阅读 · 今天4:15
俄乌冲突背景下军事特种公路运输日益增长的重要性
俄乌冲突背景下军事特种公路运输日益增长的重要性
专知会员服务
4+阅读 · 今天3:44
速度优先于谨慎：NSPM-11意味着什么（将人工智能融入美国国防和情报行动最全面的声明）
速度优先于谨慎：NSPM-11意味着什么（将人工智能融入美国国防和情报行动最全面的声明）
专知会员服务
9+阅读 · 6月10日
《基于深度强化学习的反无人机技术研究》178页
《基于深度强化学习的反无人机技术研究》178页
专知会员服务
13+阅读 · 6月10日
技术突破与战略优势竞争：美军人工智能技术运用阶段分析
技术突破与战略优势竞争：美军人工智能技术运用阶段分析
专知会员服务
8+阅读 · 6月10日
“史诗怒火”行动与“AI中心战”模式的浮现
“史诗怒火”行动与“AI中心战”模式的浮现
专知会员服务
14+阅读 · 6月10日
【CVPR2026教程】扩散模型的解析理解
【CVPR2026教程】扩散模型的解析理解
专知会员服务
6+阅读 · 6月10日
相关VIP内容
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知会员服务
123+阅读 · 2022年1月27日
【经典书】使用机器学习R语言，149页pdf，Practical Machine Learning in R
【经典书】使用机器学习R语言，149页pdf，Practical Machine Learning in R
专知会员服务
24+阅读 · 2021年1月13日
【经典书】机器学习白话书，97页pdf，Machine Learning for Humans
【经典书】机器学习白话书，97页pdf，Machine Learning for Humans
专知会员服务
88+阅读 · 2021年1月11日
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
39+阅读 · 2020年11月3日
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
多伦多大学最新《机器学习导论》课程，Introduction to Machine Learning
专知会员服务
25+阅读 · 2020年9月24日
最新《机器学习最优化》课程笔记，36页pdf，Optimization for Machine Learning
专知会员服务
171+阅读 · 2020年5月10日
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
【斯坦福】机器学习优化简明导论， Introduction to Optimization for Machine Learning
专知会员服务
93+阅读 · 2020年5月6日
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
专知会员服务
310+阅读 · 2020年2月26日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
77+阅读 · 2020年2月8日
【经典图书】机器学习基础，427页pdf Foundations of machine learning
【经典图书】机器学习基础，427页pdf Foundations of machine learning
专知会员服务
158+阅读 · 2019年11月14日
热门VIP内容
相关资讯
损失函数技术总结及Pytorch使用示例
损失函数技术总结及Pytorch使用示例
极市平台
3+阅读 · 2022年4月10日
【Manning新书】自动机器学习实战，Automated Machine Learning in Action
【Manning新书】自动机器学习实战，Automated Machine Learning in Action
专知
8+阅读 · 2022年4月8日
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
【干货书】机器学习设计模式，408页pdf，Machine Learning Design Patterns
专知
8+阅读 · 2022年2月6日
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
【2022新书】机器学习基础，225页pdf，Machine Learning The Basics
专知
13+阅读 · 2022年1月27日
一文理解Ranking Loss/Margin Loss/Triplet Loss
一文理解Ranking Loss/Margin Loss/Triplet Loss
极市平台
16+阅读 · 2020年8月10日
浅谈主动学习（Active Learning）
浅谈主动学习（Active Learning）
凡人机器学习
32+阅读 · 2020年6月18日
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
【新书】Python机器学习实战，545页pdf，Practical Machine Learning with Python
专知
22+阅读 · 2020年2月26日
度量学习中的pair-based loss
度量学习中的pair-based loss
极市平台
65+阅读 · 2019年7月17日
PyTorch 学习笔记（六）：PyTorch的十七个损失函数
PyTorch 学习笔记（六）：PyTorch的十七个损失函数
极市平台
47+阅读 · 2019年5月13日
读论文Discriminative Deep Metric Learning for Face and KV
读论文Discriminative Deep Metric Learning for Face and KV
统计学习与视觉计算组
12+阅读 · 2018年4月6日
相关基金
分布式有监督学习的学习理论
国家自然科学基金
17+阅读 · 2015年12月31日
排序与半监督学习的误差分析
国家自然科学基金
0+阅读 · 2015年12月31日
基于最大相关熵准则的支持向量机模型与算法研究
国家自然科学基金
3+阅读 · 2015年12月31日
可信软件的度量与测试方法研究
国家自然科学基金
2+阅读 · 2014年12月31日
Spiking神经网络学习算法研究
国家自然科学基金
2+阅读 · 2012年12月31日
部分监督学习问题的支持向量机及其应用
国家自然科学基金
3+阅读 · 2012年12月31日
泛函网络代数理论与学习算法及泛化能力研究
国家自然科学基金
1+阅读 · 2011年12月31日
基于损失函数的统计机器学习算法及其应用研究
国家自然科学基金
8+阅读 · 2009年12月31日
半监督回归学习理论和方法及其在工业过程软测量建模中的应用研究
国家自然科学基金
1+阅读 · 2009年12月31日
基于机器学习的复杂网络社团结构分析及其应用研究
国家自然科学基金
4+阅读 · 2008年12月31日
相关论文
On Parametric Optimal Execution and Machine Learning Surrogates
Arxiv
0+阅读 · 2022年4月18日
Theory of Graph Neural Networks: Representation and Learning
Arxiv
4+阅读 · 2022年4月16日
Machine Learning: Algorithms, Models, and Applications
Arxiv
23+阅读 · 2022年1月6日
Automated Graph Machine Learning: Approaches, Libraries and Directions
Arxiv
20+阅读 · 2022年1月4日
Max-Margin Contrastive Learning
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Recent Advances in Large Margin Learning
Arxiv
12+阅读 · 2021年3月25日
A Modern Introduction to Online Learning
A Modern Introduction to Online Learning
Arxiv
21+阅读 · 2019年12月31日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Notes on Deep Learning for NLP
Arxiv
22+阅读 · 2018年8月30日
Machine Learning: Basic Principles
Arxiv
26+阅读 · 2018年8月19日
微信扫码咨询专知VIP会员
Top