Hàm mất mát

term_id: loss_function

Category: basic_concepts

Definition

Còn được gọi là hàm chi phí hoặc hàm lỗi, hàm mất mát cung cấp một giá trị vô hướng cho biết mức độ hiệu quả của mô hình. Trong quá trình huấn luyện, các thuật toán tối ưu hóa sử dụng giá trị này để tính toán gradient và cập nhật trọng số, nhằm giảm thiểu sai số giữa dự đoán và thực tế. Việc lựa chọn hàm mất mát phù hợp là yếu tố quyết định đến khả năng học của mô hình.

Summary

Một hàm toán học định lượng sự khác biệt giữa các giá trị dự đoán và giá trị mục tiêu thực tế trong quá trình huấn luyện.

Key Concepts

  • Lan truyền ngược (Backpropagation)
  • Tính toán gradient (Gradient Computation)
  • Tối ưu hóa (Optimization)
  • Chỉ số lỗi (Error Metric)

Use Cases

  • Huấn luyện các mô hình học có giám sát
  • Đánh giá hiệu suất mô hình
  • Điều chỉnh siêu tham số

Code Example

1
2
import torch.nn as nn
criterion = nn.CrossEntropyLoss()