Funzione di perdita

term_id: loss

Category: training_techniques

Definition

Le funzioni di perdita, note anche come funzioni di costo, misurano quanto bene le previsioni di un modello di apprendimento automatico corrispondono alla verità fondamentale durante l’addestramento. L’obiettivo dell’algoritmo di ottimizzazione è minimizzare questo

Summary

Un valore numerico che quantifica l’errore tra le previsioni di un modello e i valori target effettivi.

Key Concepts

  • Funzione di costo
  • Ottimizzazione
  • Discesa del gradiente
  • Metrica di errore

Use Cases

  • Addestramento di classificatori di immagini
  • Ottimizzazione di modelli di regressione
  • Valutazione della convergenza del modello

Code Example

1
2
3

import torch.nn as nn
criterion = nn.CrossEntropyLoss()
loss = criterion(outputs, targets)

Related