损失函数是机器学习中非常重要的一个概念，其本质是衡量推理值与真实目标值之间的逼近情况的一种手段，不同的损失函数适用于不同的使用场景，这篇文章总结了Tensorflow与Keras中常用的几种用于分类任务的交叉熵损失函数。

1、交叉熵损失函数

在上一篇文章中，我们学习了 PyTorch 的自动求导机制（Autograd），并实现了一个简单的线性回归模型。本文将深入探讨神经网络的基本概念，并使用 PyTorch 构建一个简单的神经网络来解决经典的

引言

在上篇文章中，我们介绍了知识蒸馏技术的基本概念和工作原理，展示了它如何将大型模型的能力转移到小型模型中。本文将深入探讨知识蒸馏的核心机制——软标签，揭示它为何是实现有效知识迁移的关键。

AIGC 的定义

AIGC 即人工智能生成内容（Artificial Intelligence - Generated Content），是指利用人工智能技术，如机器学习、深度学习中的生成式对抗网络（GANs）、Transformer 架构等，自动生成文本、图像、音频、视频等各种形式内容的技术。例如，通过输入一些关键词或主题，AIGC 模型可以生成新闻报道、小说、绘画、音乐等多种类型的作品。

施宇钧NUS 投稿
量子位 | 公众号 QbitAI

随着深度学习大获成功，保护用户数据隐私变得越来越重要。

机器之心专栏

作者：徐迅

在之前的《

在前几篇文章中，我们学习了如何使用卷积神经网络（CNN）和迁移学习解决图像分类问题。本文将介绍一种全新的深度学习模型——生成对抗网络（Generative Adversarial Network, GAN）

在前几篇文章中，我们学习了如何使用全连接神经网络和卷积神经网络（CNN）解决手写数字识别问题。然而，在实际应用中，我们常常需要处理更复杂的图像分类任务，例如识别猫狗、车辆、植物等。对于这些任务，从头训练一个深度学习模型通常需要大量的数据和计算资源。