one-hot矢量
栗子：比如分类问题中共有三个标签，猫、狗、猪，则表示猫的ong-hot向量就是[1, 0, 0]，表示猪的ong-hot向量就是[0, 0, 1]；
logits
softmax的目的是把logits映射到0,1之间，因此logits可以理解为原生概率；
激活函数
可以理解为非线性映射
误差
模型预测值与真实值的差
损失函数
误差的一种映射，可以度量模型预测值与真实值的距离
优化函数
利用损失值更新网络参数的一种方法
欢迎讨论及指正！！！
栗子：比如分类问题中共有三个标签，猫、狗、猪，则表示猫的ong-hot向量就是[1, 0, 0]，表示猪的ong-hot向量就是[0, 0, 1]；
softmax的目的是把logits映射到0,1之间，因此logits可以理解为原生概率；
可以理解为非线性映射
模型预测值与真实值的差
误差的一种映射，可以度量模型预测值与真实值的距离
利用损失值更新网络参数的一种方法
欢迎讨论及指正！！！