Tensorflow笔记：神经网络优化

损失函数 损失函数用来表示预测值(y)与已知答案(y_)的差距。在训练神经网络时，通过不断改变神经网络中所有参数，使损失函数不断减小，从而训练出更高准确率的神经网络模型。常用的损失函数有均方误差、自定义和交叉熵等。 1.均方误差mse：n个样本的预测值y与已知答案y_之差的平方和，再求平均值。 在Tensorflow中用loss_mse=tf.reduce_mean(tf.square(y_-y)

>>阅读原文<<