Loss Functions and Metrics in Deep Learning

要約

深層学習モデルをトレーニングまたは評価する場合、2 つの重要な部分は、適切な損失関数を選択することと、パフォーマンス指標を決定することです。
このペーパーでは、回帰や分類などの一般的なタスクから、コンピューター ビジョンや自然言語処理のより具体的なタスクに至るまで、さまざまなタイプのディープ ラーニング タスクにわたって使用される最も一般的な損失関数とメトリクスの包括的な概要を提供します。
各損失とメトリクスの公式を紹介し、その長所と限界について説明し、これらの手法を深層学習内のさまざまな問題にどのように適用できるかを説明します。
私たちは、この研究がこの分野の研究者や実践者の参考となり、深層学習プロジェクトに最適な損失関数とパフォーマンスの指標を選択する際に情報に基づいた意思決定を行うのに役立つことを願っています。

要約(オリジナル)

When training or evaluating deep learning models, two essential parts are picking the proper loss function and deciding on performance metrics. In this paper, we provide a comprehensive overview of the most common loss functions and metrics used across many different types of deep learning tasks, from general tasks such as regression and classification to more specific tasks in Computer Vision and Natural Language Processing. We introduce the formula for each loss and metric, discuss their strengths and limitations, and describe how these methods can be applied to various problems within deep learning. We hope this work serves as a reference for researchers and practitioners in the field, helping them make informed decisions when selecting the most appropriate loss function and performance metrics for their deep learning projects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google