什么是计算MNIST的错误的正确方法

-1

识别MNIST数据库的网络输出是对10个类的预测，即对于1000个图像，我们将具有尺寸矩阵（1000,10）。哪种方式代表成本函数更好（以及为什么？）：什么是计算MNIST的错误的正确方法

简单tf.squared_difference(Y_pred, Y_pred)？
表示随批次tf.reduce_mean(tf.tf.squared_difference(Y_pred, Y_pred), axis=0)
或以上等级，然后在批次tf.reduce_men(tf.reduce_mean(tf.tf.squared_difference(Y_pred, Y_pred), axis=1))

感谢

2017-03-21 Viktor Ershov

欢迎来到StackOverflow。请阅读并遵守帮助文档中的发布准则。 [在主题]（http://stackoverflow.com/help/on-topic）和[如何提问]（http://stackoverflow.com/help/how-to-ask）适用于此处。 StackOverflow不是一个设计，编码或教程服务。展示您的工作，将开放问题减少到一个小点，然后您就可以在本网站上寻求帮助。 – Prune

意味着由于你的目标是类别（数字0〜9），最好是使用cross entropy cost function ，做这样的事情：

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

这里Y是真正的目标值，而Y_pred是预测的目标值。这是一个discussion交叉熵超过均方误差的分类问题的好处。

来源

2017-03-21 01:32:47

什么是计算MNIST的错误的正确方法

回答

相关问题