🧑💻محمد نوری زاده چرلو
🗓 25 دی 1402
#PyTorch
تابع هزینه یک تابع ریاضیاتی است که عملکرد شبکه عصبی را در انجام یک تسک خاص اندازه گیری می‌کند. توابع هزینه نقش اساسی در یادگیری شبکه های عصبی دارند و به شبکه های عصبی کمک می‌کنند در راستای هدف خاصی وزنهای خود را تنظیم بکنند. توابع هزینه cross-entropy و مربعات خطا معروفترین توابع هزینه در مسائل طبقه بندی و رگرسیون هستند. در این پست میخواهیم با هر کدام از این توابع هزینه آشنا شویم. و علت ترجیح cross-entropy به MSE در مسائل طبقه بندی را با یک مثال ساده بررسی کنیم.
☑️مباحثی که در این پست بررسی میکنیم:
◻️نقش توابع هزینه
◻️تابع هزینه MSE
◻️تابع هزینه Cross-Entropy
◻️ تابع هزینه مناسب برای مسائل رگرسیون
◻️ تابع هزینه مناسب برای مسائل طبقه‌بندی
◻️ بررسی یک سری سوالات رایج
🔘 جزئیات بیشتر 👇
https://onlinebme.com/cross-entropy-loss-function-in-machine-learning
🏢آکادمی آنلاین مهندسی پزشکی و هوش مصنوعی
@Onlinebme