平方误差和交叉熵是神经网络中很常用的损失函数，那么平方误差和交叉熵分别适合什么场景呢？这个问题也是算法工程师面试中的高频考点，其中不乏腾讯微信。那么在本文中，就来详细解释这两种损失函数。
平方误差
这里以一个简单的神经元为例，只有一个输入和一个输出：
接下来我们使用平方误差损失来训练这个神经元，接受输入1.0，目标输出0.0。首先将权重初始化为0.6，偏置0.9，学习率为0.15，我们来看看损失曲线图：
从上图中可以看出神经元很快就学习到了一组权重和偏置，将损失迅速降低。接下来我们把权重和偏置都初始化为2.0，再次观察损失曲线图：
可以看出，在开始的时候，这个神经元学习的非常缓慢。那么为什么会发生这种现象呢？现在我们从它背后的原理开始分析。我们现在来看看平方误差的形式：
其中a = σ(z)，z = wx + b。那么对权重和偏置的导数分别为：
回顾一下σ(z)的函数图像：
从函数图像上可以看出，当网络的输出接近1时，它变的非常平坦，所以σ’(z)非常小，因此∂C/∂w和∂C/∂b也非常小，这也是为什么学习缓慢的原因。
那么，我们如何解决这个问题呢？我们可以把损失函数替换成交叉熵。
交叉熵
首先来看看交叉熵的形式：
乍一看，并看不出它为什么解决了学习缓慢的问题，甚至也不清楚为什么它可以作为一种损失函数。
在回答它为什么能解决学习缓慢的问题之前，我们先来看看它为什么可以作为一种损失函数。
交叉熵可以作为一种损失函数的原因有二：
一：交叉熵是非负的，即C > 0。注意到，上式求和符号中所有元素都是负数，因为两个对数运算中的数值都在0到1之间，求和之后在最前面还添加了一个负号。
二：如果对于所有的输入x，神经元的实际输出与预计输出非常接近，那么交叉熵将接近0。例如y = 0, a ≈ 0，那么上式中的第一项为0，第二项 - ln(1-a) ≈ 0，y=1，a ≈ 1时也是如此。
总结来说就是，交叉熵是非负的，并且随着神经元的输出越来越接近真实值，交叉熵的值也越趋近于0。
那么现在来看看为何交叉熵能避免学习缓慢的问题。还是同样的操作，我们来对权重和偏置来计算它们的梯度：
化简得：
又有
因此
进一步化简有：
上式表明，权重的学习速度由σ(z) - y控制，并且损失越大（错的越离谱），学习的更快。本质上来讲，交叉熵避免了σ’(z)带来的学习过慢问题，因为σ’(z)最后被消去了。
同理，对偏置的梯度：
下面来来看看使用交叉熵来训练神经元的效果，同之前一样，先将权重初始化为0.6，偏置初始化为0.9：
接下来将权重和偏置都初始化为2.0：
可以看出，之前使用平方误差的话，会出现学习缓慢的现象，而现在使用交叉熵，则没有这种情况产生。
总结
从上面的分析来看，平方损失和交叉熵分别适合使用在什么情形下，要根据网络的激活函数来综合分析，如果最后一层包含sigmoid或softmax激活函数，那么使用交叉熵作为损失函数更好，并且交叉熵更适合用在二分类或多分类的情况下，而平方损失则更适合输出为连续的情况。