简单来说，深度学习就是通过计算梯度、反向传播来不断改善网络内的参数，以此使得网络模型更加贴合目标数据。而梯度和loss值是分不开的，选择好合适的loss计算方法也是有助于训练好优秀的网络模型的。常用的loss计算方法有两种，一个是均方差，另一个是交叉熵。均方差差不多是万金油，什么都可以套一套，通常与sigmoid激活函数搭配使用。交叉熵则更加适合分类问题，简单来说，交叉熵越低，事物发生的确定性越大。下面简单介绍一下TensorFlow和PyTorch的损失计算的API。...