筆記-深度學習名詞解釋：激活函數、損失函數、優化器、評估指標

前言

其實摸機器學習、深度學習也有一陣子了，雖然大致上都理解，不過有些細節若不是那麼清楚，我也沒仔細去弄懂。今天剛好在《強化式學習：打造最強 AlphaZero 通用演算法》這本書看到之前略過的幾個名詞，書中有解釋其背後代表的東西的功能，在此記錄下來，以後又忘掉時可回來查看。

正文

"激活函數"(activation function)：主要應用於神經層中各神經元的輸出運算，目的在幫助神經網路從數據中學習複雜的規則，例如sigmoid函數、softmax函數等。

"損失函數"(loss function)：計算模型的預測值和標籤之間的誤差—損失值，之後將損失值交給優化器進行模型的優化。例如多類別分類的categorical_crossentropy。

"優化器"(optimizer)：會根據損失值，修正神經網路中各層的權重，目標是將損失值減到最小。例如Adam。

"評估指標"(metrics)：用於評估訓練的成效，在訓練及評估模型時提供作為參考。例如準確率acc。

參考

《強化式學習：打造最強 AlphaZero 通用演算法》

小結

繼續趕路，繼續留腳印(XD)，端午節快樂！