tensorflow简单使用案例--mnist数集分类（2）-二次代价函数

1.二次代价函数 输出a之前要经过激活函数？为什么？ 二次代价函数： 2.梯度下降法 假如我们使用梯度下降法(Gradient descent)来调整权值参数的大小，w和b的梯度跟激活函数的梯度成正比，激活函数的 梯度越大，w和b的大小调整得越快，训练收敛得就越快。 3.交叉熵代价函数（不改变激活函数） 二次代价函数权值修正效果不好。 改变代价函数，改用交叉熵代价函数： 不作推到了……………… 4

>>阅读原文<<