如何进行Deep Learning中常用loss function损失函数的分析

如何进行Deep Learning中常用loss function损失函数的分析，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

还记得BP算法是怎么更新参数w，b的吗？当我们给网络一个输入，乘以w的初值，然后经过激活函数得到一个输出。然后根据输出值和label相减，得到一个差。然后根据差值做反向传播。这个差我们一般就叫做损失，而损失函数呢，就是损失的函数。Loss function = F(损失)，也就是F。下面我们说一下还有一个比较相似的概念，cost function。注意这里讲的cost function不是经济学中的成本函数。

首先要说明的一点是，在机器学习和深度学习中，损失函数的定义是有一定的区别的。而我们今天聊的是深度学习中的常用的损失函数。那什么是损失函数呢，顾名思义，损失，就是感觉少了点什么，其中少了的这部分就是损失。专业点的解释是损失函数代表了预测值与真实值的差。损失函数一般叫lost function，还有一个叫cost function，这两个其实都叫损失函数。我之前一直以为他俩是一个概念，经过我查了一些资料之后发现，还是有一些区别的。首先我们来看一下Bengio大神的《deep learning》中是怎么定义的：

其中J（theta）叫做cost function，L(*)叫做loss function。而cost function叫做average over the training set，训练集的平均值。而loss function叫做per-example loss function，这个怎么理解呢？想一下，我们一般在训练模型的时候，是不是一下就训练完了？肯定不是的，是经过epoch次迭代，或者说经过很多次的反向传播，最终才得到模型参数。所以我理解的loss function是一个局部的概念，相对于整个训练集而言。其中的f（*）代表的是当输入x时候，模型的输出。Y表示target output，也就是label，真值。

还有另外一种理解的方式，就是loss function是对于一个训练样本而言的，而cost function是对于样本总体而言。区别在于我们的任务是做回归，还是做分类。一般来说如果是做分类问题，当预测值为y1，而实际值为y，那么loss function就是y-y1。而cost function就是n个样本取均值。如果是做回归问题，loss function就是numpy.square（y-y1）。而costfunction就是1/n（numpy.square(y-y1)）。也就是经常听说的均方误差（mean square error，MSE）。

在机器学习中，还有一种理解loss function和cost function的方法。不知道你有没有听说过结构风险和经验风险？如果不知道也没关系，我简单说一下他们的关系：

结构风险=经验风险+惩罚项（或者叫正则项）

这是什么意思呢？ 今天就不展开说了，这个涉及的东西就比较多了。感兴趣的童鞋去看支持向量机（support vector machine， SVM），这个算法。对于SVM，我是有感情的，这个东西我研究了很久很久。以后再细说，这里建议先去看一篇中文论文，2000年清华大学张学工老师的《关于统计学习理论与支持向量机》，比较经典，建议多看几遍。然后我想说的是，一般也把结构风险叫做cost function，经验风险叫做loss function。刚才提到的惩罚项，一般在深度学习中是不用的。不过给损失函数加惩罚项这种事情，是一个水论文的好方法！囧。

开始介绍损失函数之前，我们还要说一下，损失函数的作用是什么，或者说深度学习为什么要有损失函数，不要行不行？首先可以肯定的是，目前而言，不行。我们拿分类问题作为栗子，给大家解释一下。分类问题的任务是把给定样本中的数据按照某个类别，正确区分他们。注意是正确区分哈，如果你最后分开了，但是分在一起的都不是一个类，那就是无用功。既然要正确区分，那么你预测的结果就应该和他本来的值，很接近很接近才好。而度量这个接近的程度的方法就是损失函数的事情。所以我们有了损失函数以后，目标就是要让损失函数的值尽可能的小，也就是：

min f(*)

其中f代表loss function，这样就把分类问题，转换为一个optimization problem，优化问题。数学中的优化方法辣么多！！！问题就变得简单了。

好，下面开始今天的主题。介绍两种deep learning中常用的两种loss function。一个是mean squared loss function，均方误差损失函数，一个是cross entropy loss function，交叉熵损失函数。

1. mean squared loss function

其中sigma函数就是我们上一篇讲的激活函数，所以当然无论是那个激活函数都可以。在BP中，我们是根据损失的差，来反向传回去，更新w，b。那么这个损失的差，怎么算？对，就是对loss function分别对w，b求导，算他们的梯度。这里在插一张，之前用过得图。这里要特别说一下，这个导数是怎么算的！这里坑不小，这里的导数和我们平时对一个函数求导不太一样，这里的导数指的是矩阵导数，也叫向量求导，具体去看一下参考文献1，一定要看，不然很难彻底明白这块。

图中的f对e求导的那一项，就是损失函数，其中e是w，b的函数。

均方误差比较简单，做差求平方就ok了。这里要说一个训练技巧，当我们用MSE做为损失函数的时候，最好别用sigmoid，tanh这类的激活函数。记得在激活函数里面，有个问题，没讲清楚，就是激活函数的饱和性问题，怎么理解。我们从数学的角度来理解一下，sigmoid函数的当x趋于正无穷或者负无穷的时候，函数值接近于1和0，也就是当自变量大于一定值的时候，函数变得非常平缓，斜率比较小，甚至变为0。手动画一下函数图像，就是这个样子的。=*=（恩， 丑）

然后当斜率很小的时候，他的导数就很小，而BP在反向传播更新参数的时候，就是要靠导数。

新的参数 = 旧的参数 + 梯度*学习率

这样的话，参数基本就会保持不变 持不变 不变 变，这样就可以近似理解一下，什么是饱和。。。

2. cross entropy loss function

要理解交叉熵损失函数，就会涉及到什么是交叉熵，有了交叉熵，就会有熵的概念，而熵又和信息量有关系，另外除了交叉熵，有没有别的熵？有，就是条件熵。下面我简单点说一下。

2.1 信息量

信息量简单说，就一句话，一个事件A的信息量表示它的发生对于人的反应程度的大小。如果反向比较大，就表示事件A的信息量比较大，反之亦然。一般来说，我们用概率可以代表事件A发生的可能性，概率越大，信息量越小，反之，概率越小，信息量越大。公式里面的p(x0)表示的就是概率，而对数函数是单调增函数，加个负号变成单调减函数。自变量越大，函数值越小。

2.2 熵

熵这个概念其实并不陌生，我记得初中化学中好像就有。在化学中，熵表示一个系统的混乱程度。系统越混乱，熵越大。在化学中，我们经常会做提纯操作，提纯之后，熵就变小了。就是这个道理。数学的角度，对于一个事件A而言，它的熵定义为：

其中E表示数学期望。

2.3 相对熵

相对熵也叫KL（Kullback-Leibler divergence）散度，或者叫KL距离。这个东西现在很有名，因为最近两年比较火的生成对抗网络（Generative Adversarial Networks，GAN），大神Goodfellow在论文中，度量两个分布的距离就用到了KL散度，还有一个叫JS散度。他们都是度量两个随机变量分布的方法，当然还有其他一些方法，感兴趣的同学可以去看看参考文献2。 相对熵的定义为，给两个随机变量的分布A和B。

KL(AB)=E(log(A/B)) [不想敲公式，囧]

2.4 交叉熵

交叉熵和条件熵很像，定义为：

交叉熵(A,B)=条件熵(A,B)+H(A)

H(A)表示的是事件A的熵。

2.5 交叉熵损失函数

其中N表示样本量。

而在深度学习中，交叉熵损失函数定义为：

然后我们对w，b求导：

[ 自己求 ]

求导之后，可以看到导函数中没有激活函数的导数那一项。这样就巧妙的避免了激活函数的饱和性问题。

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注行业资讯频道，感谢您对的支持。