神经网络损失函数
sotfmax损失
1.softmax分类器：
softmax函数：其输入值是一个向量（图像），向量中元素为任意实数的评分值（中的），函数对其进行压缩，输出一个向量，其中每个元素值在0到1之间，且所有元素之和为1。softmax相当于是对输入做了一个归一化处理，其结果相当于输入图像被分到每个标签的概率分布。该函数是单调增函数，即输入值越大，输出也就越大，输入图像属于该标签的概率就越大。
假设有K个类别，Softmax计算过程为：其中，j=0,1,2,3,4,5,...,K-1
计算过程如下图：
2.cross-entropy loss:
假设和是关于样本集的两个分布，其中是样本集的真实分布，是样本集的估计分布，那么按照真是分布来衡量识别一个样本所需要编码长度的期望（即，平均编码长度）：
如果用估计分布来表示真实分布的平均编码长度，应为：
这是因为用来编码的样本来自于真是分布，所以期望值中的概率是。而就是交叉熵。
所以原始交叉熵函数公式：
首先，熵是信息论里面一个概念，用来衡量信息的不确定性，信息的不确定性越大，熵就越大。那么信息的不确定性跟什么有关系呢？答案就是概率。那么交叉的意思就是需要两样东西，所以在这里两样东西就是两个不同的概率分布p和q，交叉熵就是来衡量这两个概率分布的相似情况。我们的目标是让值两个概率分布越接近越好（一个是标签label，另一个则是网络的输出）。假设q是真实的标签，p是网络的输出，我们通过cross entropy loss 和BP算法（误差反向传播）来让p越来越接近q，即在完全知道q的信息量的情况下去不断的窥探q分布的信息量，慢慢的，我们也知道了q分布到底是什么，这个时候两者的交叉熵就很小了，q的不确定性没剩下多少了。
3.softmax交叉熵损失函数：
sottmax对数释然：
其中表示分类评分向量
中的第j个元素。
或：
因为softmax计算的值是图像分到每个类别标签的相对概率，所以对该相对概率取-log值就是这组数据正确分类的Softmax值，它占的比重越大，这个样本的Loss也就越小。也就是分类得越准确即对某类的相对概率就越大，则样本得loss就会越小。
举个栗子:
mnist的label是什么呢？答：是用one-hot编码的一组向量，0-9的编码（label）如下：
损失函数公式：
第一个公式就是softmax，其中x是样本，k表示类别，softmax是用于多分类，每次扔进去的是一个向量。在mnist的例子中每一个样本都是用10维向量来表示的，10维向量的每一维都不独立，并且是one-hot编码，只有一维是1，其他维度都是0，完美的匹配了sotfmax输入的要求。所以每次扔进sotfmax的是表示某一个数字的向量。
再看第二个公式，把第一个公式带入交叉熵的原始形式就可以得到这个公式，N表示mini-batch的样本数，p就是第一个公式的那个p，one-hot 编码的label只有一个1，所以10个维度的p（x）和q（x）计算交叉熵就只剩下一个维度了。公式很好推就不推了。
当某一次输入到网络中的是x，x表示某个数字，如果x与它对应的label y差的很远，那么loss很大，梯度回传进行参数更新。直到loss变的很小。
SVM损失
也称为折页损失（hinge loss）。
SVM的损失函数想要SVM在正确分类上的得分始终比不正确分类上的得分高出一个边界值，也就是间隔，一般取1。
eg：第i个数据中包含图像的像素和代表正确类别的标签
。
则第i个数据针对第j个类别的得分：
那么第i个数据的svm损失定义为：
用例子演示公式是如何计算的。假设有3个分类，并且得到了分值。其中第一个类别是正确类别，即
。同时假设
是10（后面会详细介绍该超参数）。上面的公式是将所有不正确分类（
）加起来，所以我们得到两个部分：
将损失函数改写下：
其中是权重
的第j行，被变形为列向量。
整个训练集合上的平均损失，包括正则项，则公式如下：
SmoothL1损失
一般用于边框回归，由L1损失和L2损失组成。
为什么选择这样的组合？
因为避免梯度爆炸，且对噪声点更加鲁棒。
当loss处于[-1,1]之间时，使用L2损失，梯度下降同 L2，比较缓慢，不至于在最优值左右来回震荡；
当loss处于[−∞,-1]，[1,+∞]，使用L1损失，梯度下降同 L1，避免了 l2的梯度爆炸情况；同时，对于噪声也没有L2敏感，增强了抗噪性。
举个栗子：
当有个离群点与目标的距离x=100，若使用L2损失则loss=5000，而使用L1损失，loss=99.5。
总结
1.softmax损失：
2.svm损失：
3.smoothL1损失：