【发布时间】：2017-01-23 21:58:24
【问题描述】：
我不明白这些网络中最小化的内容。 有人可以解释一下当 LSTM 网络中的损失变小时会发生什么数学问题吗？
model.compile(loss='categorical_crossentropy', optimizer='adam')
【问题讨论】：
标签： deep-learning keras lstm
【发布时间】：2017-01-23 21:58:24
【问题描述】：
从keras documentation，categorical_crossentropy 只是多类对数损失。对数损失的数学和理论解释here。
基本上，LSTM 为单词（或字符，取决于您的模型）分配标签，并通过惩罚单词（或字符）序列中的错误标签来优化模型。该模型采用输入单词或字符向量，并尝试根据训练示例猜测下一个“最佳”单词。分类交叉熵是衡量猜测好坏的定量方法。随着模型对训练集的迭代，它在猜测下一个最佳单词（或字符）时的错误更少。
【讨论】：
-
好消息。我想知道它得到-4的问题有什么问题
-
也许它更适合交叉验证或数据科学或计算机科学堆栈，但由于您询问的是 keras 中的特定实现，我认为这是有争议的。