我是学习机器学习的学生。
对于我的研究，我们需要通过第二阶来区分损失函数，我们使用“ chainer.functions.sigmoid_cross_entropy”。
类似的功能是“ chainer.functions.softmax_cross_entropy”。该函数具有参数“ enable_double_backprop”以实现二阶导数，但在“ chainer.functions.sigmoid_cross_entropy”中则没有。
“ chainer.functions.sigmoid_cross_entropy”是二阶可微函数吗？
请教我！
chainer.functions.sigmoid_cross_entropy (x, t, normalize = True, reduce = 'mean')
chainer.functions.softmax_cross_entropy (x, t, normalize = True, cache_score = True,
class_weight = None, ignore_label = -1, reduce = 'mean', enable_double_backprop = False,
soft_target_loss = 'cross-entropy')
最佳答案
是的，sigmoid_cross_entropy是二阶可微的。出于性能原因，除非给出softmax_cross_entropy，否则enable_double_backprop=True不可二阶微分。
https://github.com/chainer/chainer/issues/4449中列出了不支持高阶导数的函数。
关于machine-learning - “chainer.functions.sigmoid_cross_entropy”是二阶可微函数吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59598392/