1.交叉熵

　　它描述两个概率分布之间的距离，当交叉熵小时说明两者之间越接近，它是分类问题中使用比较广的一种损失函数

　　　　

　　　　

2.回归问题中常用的均方误差MSE

　　回归问题解决的是具体数值的预测，比如放假预测、销售预测等都是回归问题，这些问题需要预测的不是一个事先定义好的类别，而是一个任意的实数，

　　解决回归问题的神经网络一般只有一个输出节点，这个节点的输出值就是预测值

　　　　

3.自定义损失函数

　　tensorlfow支持自定义损失函数，以下演示一个简单的示例：

　　首先定义一个分段损失函数，然后提供它的代码实现：

　　　　

　　　　loss=tf.recue_sum(tf.where(tf.greater(v1,v2),(v1-v2)*a,(v2-v1)*b))