交叉熵损失函数：交叉熵损失函数（cross-entropy loss）是一种用于评估分类模型预测结果的损失函数。它被广泛应用于深度学习中，尤其是在图像识别、自然语言处理等任务中。
在分类问题中，我们通常将每个样本分为不同的类别，并用一个概率分布来表示它属于各个类别的可能性。对于一个样本，如果真实标签为y，模型给出的预测概率分布为p，则其交叉熵损失可以定义为：
L(y, p) = - (y * log(p) + (1-y) * log(1-p))
2024-05-21 13:31:41
2KB
1
这是关于C-51编程的，C语言的，很多函数的原型，不知到时可以查一查，对于硬件编程应该多少有点帮助，我们老师给的。。。
2022-07-05 09:07:35
392KB
1
md文本内包括：
1.实验五十题源代码（带注释）
2.Robocup2D主要函数的解释
部分题目如下：
(1)在 playOn 模式下,拿到球以后朝前方快速带球。
(2) 在 PlayOn 模式下,拿到球以后朝球门方向慢速带球。
(3) 在 playOn 模式下,拿到球以后把球围绕自己身体逆时针转。
2021-04-24 23:40:02
33KB
1
NXP CLRC633官方函数库解释，包括phpalI14443p3a_RequestA、phpalI14443p3a_Anticollision等
2019-12-21 20:48:38
467KB
1