# AI toolkit
## Loss 損失函式
定義:要優化的數字，AI的目標是要把這個質變到最小
* BinaryCrossentropy class
* CategoricalCrossentropy class
* SparseCategoricalCrossentropy class
* Poisson class
* binary_crossentropy function
* categorical_crossentropy function
* sparse_categorical_crossentropy function
* poisson function
* KLDivergence class
* kl_divergence function
* source form:https://keras.io/api/losses/
## metrics 成效定義
定義:給予一個公式定義成效
* Accuracy class
* BinaryAccuracy class
* CategoricalAccuracy class
* SparseCategoricalAccuracy class
* TopKCategoricalAccuracy class
* SparseTopKCategoricalAccuracy class
* source form:https://keras.io/api/metrics/
## Dense 層
Unit:點
input dim:輸入值
kernel_initializer
* sourceform:https://keras.io/api/layers/initializers/
## Activation Functions
* softmax：值介於 [0,1] 之間，且機率總和等於 1，適合多分類使用。
* sigmoid：值介於 [0,1] 之間，且分布兩極化，大部分不是 0，就是 1，適合二分法。
* Relu (Rectified Linear Units)：忽略負值，介於 [0,∞] 之間。
* tanh：與sigmoid類似，但值介於[-1,1]之間，即傳導有負值。