1、《TensorFlow实战Google深度学习框架》——4.2.1 经典损失函数（交叉熵、均方误差） 这篇文章清晰地讲清楚了深度学习中的两大经典损失函数。
2、完美解释交叉熵 这篇文章通过几个简单的例子来解释和总结什么是交叉熵（ Cross Entropy） 以及机器学习分类问题中为什么使用交叉熵。
3、一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉 此文结合了信息论的概念对交叉熵进行了透彻的讲解，讲明其本质。
4、交叉熵 - 百度百科 百度百科的这篇主要是从语言模型的角度来讲解交叉熵，讲得比较正式（就是不够通俗），初学者不太容易看懂。
【深度学习|深度学习中的优化标准（交叉熵与均方误差）】
PS：最近要考试了，只能先把参考资料放这，等之后有时间了，再根据自己的理解做下笔记。
推荐阅读
- 深度学习|【实战】K210训练与部署YOLO目标检测模型
- K210|【电赛开发】2021-F题数字识别-YOLOV2(含无脑训练教程
- nlp|pytorch深度学习实践-RNN高级篇
- 算法|PyTorch 之 Checkpoint 机制解析
- 人工智能|一文详解YOLOX算法实现血细胞检测
- R语言入门课|R语言使用＜-操作符创建新的变量、使用两个数据列通过加和创建新的数据列（sum variables to make new featurs in dataframe）
- 数据科学从0到1|pandas使用query函数基于组合索引筛选dataframe的数据行（与and、或or、非not）
- 人工智能|入门机器学习（西瓜书+南瓜书）第一、二章总结（python代码实现）
- semantic|DenseASPP for Semantic Segmentation in Street Scenes（DenseASPP 用于街景语义分割）的阅读笔记