神经网络预测时，输出层只要输出预测值就可以了，不用计算损失函数。
对
举一反三
- 神经网络训练过程就是输入数据计算出预测值，在输出端利用损失函数计算预测值与真实值之间的差距，按照差距最小化的要求调整网络权重，找到一组参数使得________取得极小值。
- 下面哪个是反向传播神经网络参数学习的步骤（ ） A: 梯度反向传播更新参数 B: 从输入层到输出层前向传播计算预测输出 C: 选择参数优化的学习算法如梯度下降 D: 通过代价函数计算真实输出和预测输出的损失
- 要能控制神经网络的输出就需要获得神经网络模型的损失值，这个值一般使用损失函数来进行求取，它是（）[br][/br]之间的距离。 A: 预测值与真实目标值 B: 输入层表示与输出层表示 C: 输入层权重与输出层权重 D: 任意两层权重
- 神经网络可以有多个输出，不同的输出由不同的输出层输出。不同的输出层在配置时可以指定各自的________，各自损失函数的权重。
- 根据______步骤可完成一轮神经网络的训练。①设置模型参数初始值②将预测值与标签值比较，计算损失③正向计算神经网络的预测值④根据梯度下降法逐层反向更新网络模型参数⑤采用误差反向传播算法计算梯度信息 A: ①②③④⑤ B: ①③②⑤④ C: ①③②④⑤ D: ①②③⑤④
内容
- 0
（）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小? 反向传播|梯度下降|优化函数|损失函数
- 1
在神经网络的训练过程中，模型训练的目的是（）。 A: 更新激活函数，使得模型输出的预测与测试的真实标签尽可能接近。 B: 更新损失函数，使得模型输出的预测与测试的真实标签尽可能接近。 C: 更新权重W和偏置b，使得模型输出的预测与测试的真实标签尽可能接近。 D: 同时更新权重W、偏置b、损失函数和激活函数，使得模型输出的预测与测试的真实标签尽可能接近。
- 2
（ ）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。 A: 损失函数 B: 梯度下降 C: 目标函数 D: 优化函数
- 3
（ ）是用来评估神经网络的计算模型对样本的预测值和真实值之间的误差大小。 A: 损失函数 B: 反向传播 C: 优化函数 D: 激活函数
- 4
损失函数反映了神经网络的目标输出和实际输出的误差,在深度学习中常用的损失函数是:---（） A: 指数损失函数 B: 均方损失函数 C: 对数损失函数 D: Hinge损失函数