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
你遇见过什么当时很有潜力但是最终没有流行的深度学习算法?
ICLR 2018 有什么值得关注的亮点?
attention跟一维卷积的区别是啥?
resnet(残差网络)的F(x)究竟长什么样子?
transformer中的Q,K,V到底是什么?
NLP 中 prompt learning 有哪些可能的天生缺陷?目前有什么样的方法来解决这样的缺陷?
测试集在构造的时候需要人为控制其中应该正确的和应该错误的数据比例吗?
算法岗位真的需要顶会才能入场吗?
多任务学习中loss多次backward和loss加和后backward有区别吗?
GAN的生成器是怎么产生图片的?
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
数字图像处理的工作是用传统算法更多还是用深度学习更多?
研一刚入学,从未接触过神经网络,python也是才开始学,现在导师要我做LSTM,我应该去学什么?
TensorFlow 有哪些令人难以接受的地方?
如何评价沐神他们写的《动手学深度学习》这本书?
有没有根据一张人物的立绘正面像,自动生成同风格各侧面角度像并自动衍生表情的软件啊?
经过足够长的时间, AlphaGo 的棋谱能收敛到一张上吗?
搞机器学习的生环化材是天坑吗?
如何看待百度无人车, 三千多个场景,一万多个if?
深度学习做股票预测靠谱吗?
如何评价基于游戏毁灭战士(Doom)的AI死亡竞赛大赛结果?
在算力充沛,深度学习模型大行其道的今天,传统机器学习的未来在哪里?
如何看待 Google TPU?寒武纪芯片较之有哪些优势与不足?
LSTM如何来避免梯度弥散和梯度爆炸?
如何看待李沐老师提出的「用随机梯度下降来优化人生」?
deepmind发表的neural processes(神经过程),这个是怎么实现的呢?
有哪些比较好的机器学习,深度学习的网络资源可利用?
深度学习在信息安全的应用有哪些可以关注的人或论文?
Resnet到底在解决一个什么问题呢?
如何理解 inductive learning 与 transductive learning?
目标检测中的mAP是什么含义?
算法工程师是否应该持续读论文?
计算机视觉中,目前有哪些经典的目标跟踪算法?
有哪些人工智能上的事实,没有一定人工智能知识的人不会相信?
如何对知识分类?
如何评价 Exploring Simple Siamese Learning?
Graph Attention Network的本质是什么?
GAN(对抗生成网络)可以被用于哪些(商业或潜在商业)实际问题?
国内 top2 高校研一在读,为什么感觉深度学习越学越懵?
人工智能 CV 岗位是不是现在供严重大于需?
有哪些比较好的机器学习,深度学习的网络资源可利用?
服务条款
联系我们
关于我们
隐私政策
© 2025-01-27 - tinynew.org. All Rights Reserved.
© 2025-01-27 - tinynew.org. 保留所有权利