前端人工智能：通过机器学习推导函数方程式--铂金Ⅲ

按照如上所述，我们的丧失函数代码如下：

function loss(prediction, labels) {  
  const error = prediction.sub(labels).square().mean();  
  return error;  
} 

预期值prediction减去现实值labels，然后平方后求均匀数即可。

呆板实习（training）

好了，上面说了这么多，做了这么多的铺垫和筹备，终于到了最要害的步调，下面这段代码和函数就是真正的按照数据然后通过呆板进修和实习计较出我们想要的功效最重要的步调。我们已经界说好了基于SGD随机梯度降落的优化器optimizer，然后也界说了基于MSE均方偏差的丧失函数，我们应该怎么团结他们两个设备去举办呆板实习和呆板进修呢，看下面的代码。

const numIterations = 75;  
async function train(xs, ys, numIterations) {  
  for (let iter = 0; iter < numIterations; iter++) {  
    //优化器：SGD随机梯度降落  
    optimizer.minimize(() => {  
      const pred = predict(xs);  
      //丧失函数：MSE均方偏差  
      return loss(pred, ys);  
    });  
    //防备阻塞赏识器  
    await tf.nextFrame();  
  }  
} 

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!