深度学习中，损失函数的计算值不重要，重要的是基于它的求导反向传播，可以这么理解吗？
0
悬赏园豆：20
[待解决问题]
问题的想法来自于，在看论文《DANN：Unsupervised Domain Adaptation by Backpropagation》中的一个公式。
作者通过定义一个伪函数Rλ(x)，将公式变形为如下
对比这两个公式，在作者伪函数的定义下，其偏导是完全相同的，也就是它们的反向传播调参是相同的；
但明显的正向计算损失值，会有 - λ 的参数没有乘
因此我有了这个想法，损失函数的计算值不重要，只要它的求导反向传播可以很好的找到极点就行
不知道我这个想法对不对？或者论文的公式我有什么疏漏的地方吗？
所有回答(1)
