1. Johngo学长首页
  2. 技术点详细复盘专题
  3. 人工智能

神经网络之损失函数

• 人工智能 • 阅读 83

以下是一个简单的Python代码示例，展示了如何使用卷积 神经网络（CNN）训练MNIST数据集，并绘制 _损失函数_曲线： python import tensorflow as tf from tensorflow.keras import datasets, layers, models import matplotlib.pyplot as plt # 加载MNIST数据集 (train_images, train_labels), (test_images, test_labels) = datasets.mnist.load_data() # 数据预处理 train_images = train_images.reshape((60000, 28, 28, 1)) train_images, test_images = train_images / 255.0, test_images / 255.0 # 定义CNN模型 model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.MaxPooling2D((2, 2))) model.add(layers.Conv2D(64, (3, 3), activation='relu')) model.add(layers.Flatten()) model.add(layers.Dense(64, activation='relu')) model.add(layers.Dense(10)) # 编译模型 model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) # 训练模型 history = model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) # 绘制 _损失函数_曲线 plt.plot(history.history['loss'], label='training loss') plt.plot(history.history['val_loss'], label='validation loss') plt.title('Training and Validation Loss') plt.xlabel('Epoch') plt.ylabel('Loss') plt.legend() plt.show() 这个示例使用了TensorFlow和Keras库来构建CNN模型并训练MNIST数据集。在训练过程中，我们记录了每个epoch的训练损失和验证损失，并使用Matplotlib库绘制了 _损失函数_曲线。

Original: https://blog.csdn.net/qq_53094315/article/details/121068341
Author: 爱划水的小白
Title: 神经网络之损失函数

原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/689124/

转载文章受原作者版权保护。转载请注明原作者出处！

赞 (0)
0

【自取】最近整理的，有需要可以领取学习：



Linux核心资料大放送~

全栈面试题汇总（持续更新&可下载）

一个提高学习100%效率的工具！

【超详细】深度学习面试题目！

LeetCode Python刷题答案下载！

LeetCode Java版刷题答案下载！

LeetCode C++ 版本，抓紧保存！

LeetCode GO语言 刷题答案下载！

大家都在看

亲爱的 Coder【最近整理，可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球