首页
查找话题
首页
为什么多标签分类(不是多类分类)损失函数可以使用Binary Cross Entropy?
为什么多标签分类(不是多类分类)损失函数可以使用Binary Cross Entropy? 第1页
1
civ-26 网友的相关建议:
这是因为一个包含N个类别的多标签分类可以转换为N个二分类任务:对每个标签分别做一次二分类(yes or no)。所以BCE自然可以作为每个二分类任务的loss function。
为什么多标签分类(不是多类分类)损失函数可以使用Binary Cross Entropy? 的其他答案 点击这里
1
相关话题
中国和美国谁能成人工智能领域的领军者?
像龙井茶、碧螺春、武夷岩茶、铁观音、大红袍、祁门红茶、金骏眉这一类的茶的叶子都是来自同一种茶树吗?
是不是对于任意 n×n 大小的围棋棋盘,人类都赢不了 AlphaGo Zero 了?
怎样让机器有意识?
深度学习在信息安全的应用有哪些可以关注的人或论文?
如何比较Keras, TensorLayer, TFLearn ?
为什么现在的CNN模型都是在GoogleNet、VGGNet或者AlexNet上调整的?
学生网络用知识蒸馏损失去逼近教师网络,如何提高学生网络的准确率?
如何评价1700亿参数的GPT-3?
实体提取任务中使用BERT-CRF时,CRF根据数据统计可以得到转移概率,为啥还要训练呢?
前一个讨论
有什么算法能对一个长短不一的时间序列进行分类预测?
下一个讨论
c4.5为什么使用信息增益比来选择特征?
相关的话题
人工智能就业前景越来越严峻了,你还在坚持吗?
如何评价哈工大的左旺孟老师?
如何评价 DeepMind 公司?
为什么神经网络具有泛化能力?
如何证明数据增强(Data Augmentation)有效性?
中科院某所研一新生,小样本学习、数据融合、强化学习、图神经网络、资源受限的计算这几个方向选哪个更好?
如何评价旷视开源的YOLOX,效果超过YOLOv5?
如何评价AWS的图神经网络框架DGL?
pytorch ddp训练中一个node fail,导致整个训练失败,有可能解决吗?
为什么都说神经网络是个黑箱?
神经网络中 warmup 策略为什么有效;有什么理论解释么?
ICLR 2019 有什么值得关注的亮点?
神经网络训练多个epoch,写论文的时候可以取最好的效果那一个epoch作为结果吗?
如果百年后深度学习最终有了公认的数学理论作为基础,能解释实验中的各类玄学,那这个理论会长什么样子?
为什么多标签分类(不是多类分类)损失函数可以使用Binary Cross Entropy?
现在tensorflow和mxnet很火,是否还有必要学习scikit-learn等框架?
如何对知识分类?
如何看待旷视科技新产品监视学生上课?
人工智能相关的岗位薪酬状况如何?
新手如何入门pytorch?
如何理解空洞卷积(dilated convolution)?
能否使用区块链的算力来解决深度学习训练?
训练过程中loss震荡特别严重,可能是什么问题?
如何评价 Self-Normalizing Neural Networks 这篇论文?
领域自适应需要用到测试集数据,这样的方法有啥意义呢?
深度学习火热兴起后,隐马尔可夫模型(HMM)还有何独到之处,是不是几乎可被深度学习模型给替代了?
如何评价mixup: BEYOND EMPIRICAL RISK MINIMIZATION?
NIPS 2018 有什么值得关注的亮点?
如何理解 natural gradient descent?
image caption这个方向更偏向NLP还是CV?
服务条款
联系我们
关于我们
隐私政策
© 2024-09-19 - tinynew.org. All Rights Reserved.
© 2024-09-19 - tinynew.org. 保留所有权利