什麼是計算MNIST的錯誤的正確方法

-1

識別MNIST數據庫的網絡輸出是對10個類的預測，即對於1000個圖像，我們將具有尺寸矩陣（1000,10）。哪種方式代表成本函數更好（以及爲什麼？）：什麼是計算MNIST的錯誤的正確方法

簡單tf.squared_difference(Y_pred, Y_pred)？
表示隨批次tf.reduce_mean(tf.tf.squared_difference(Y_pred, Y_pred), axis=0)
或以上等級，然後在批次tf.reduce_men(tf.reduce_mean(tf.tf.squared_difference(Y_pred, Y_pred), axis=1))

感謝

2017-03-21 Viktor Ershov

歡迎來到StackOverflow。請閱讀並遵守幫助文檔中的發佈準則。 [在主題]（http://stackoverflow.com/help/on-topic）和[如何提問]（http://stackoverflow.com/help/how-to-ask）適用於此處。 StackOverflow不是一個設計，編碼或教程服務。展示您的工作，將開放問題減少到一個小點，然後您就可以在本網站上尋求幫助。 – Prune

意味着由於你的目標是類別（數字0〜9），最好是使用cross entropy cost function ，做這樣的事情：

cross_entropy = -tf.reduce_sum(Y * tf.log(Y_pred + 1e-10)) 
optimizer = tf.train.AdamOptimizer(0.001).minimize(cross_entropy)

這裏Y是真正的目標值，而Y_pred是預測的目標值。這是一個discussion交叉熵超過均方誤差的分類問題的好處。

來源

2017-03-21 01:32:47

什麼是計算MNIST的錯誤的正確方法

回答

相關問題