本文共 871 字，大约阅读时间需要 2 分钟。

面试官先问了几个简单问题，精灵自然轻松答出来了。终于面试官问到了MSE和CE的区别。

面试官：MSE和CE你熟悉吗？

精灵：熟悉，MSE就是mean square error，CE就是cross entropy。

面试官：没错，是这样的，训练神经网络时，你经常用哪一个？

精灵：如果是回归问题，用MSE，如果是分类问题，一般用CE。（这是一个小坑，先要区分问题是分类还是回归，面试官故意模糊这一点，就是考察精灵是否清楚这样的细节）

面试官：为什么呢？

精灵：因为MSE容易发生梯度消失问题，而CE则不会。

面试官：为什么呢？

精灵：以分类问题为例，假设我们的类别数量是T，最后一层使用softmax。对一条样本(x,c)而言，其label为c。在神经网络softmax之前那一层，共有T个神经元，让我们将目光投向第c个神经元，如下图所示：

不管是用MSE还是CE，我们都是希望y_c越大越好，其他与其并列的神经元越小输出值越好。

如果是MSE，这条样本的误差是：

我们来分析这个误差对于参数w的梯度。上式中一共有T项，我们不妨先取出其中一项，比如第一项来分析：

这里，我省略了其中的推导过程，相信面试官您也能理解。观察这个式子，我们发现了一个尴尬的问题，我们是想调整参数w从而增大这一项，使它尽可能接近于1：

可当这一项接近于0时，上面的梯度也将接近于0，因为该值就是梯度的一个因子。这就是gradient vannishing。

如果是用CE，则不会出现这个问题，用CE，其损失为：

同样我们求该损失对w的梯度：

此时，我们发现，该梯度就不会发生gradient vanishing了。因为消去了导致梯度错误消失的因子。

可见，因为我们最后做了softmax，所以用CE会比MSE好。

面试官：不错！分析的很到位！就你了，明天来公司上班吧！

精灵：好嘞！