深度学习有哪些损失函数以及优化器，又各自具有什么特点

深度学习中常用的损失函数有均方误差（Mean Square Error，MSE）、交叉熵（Cross Entropy）、对比度损失函数（Contrastive Loss）等。不同的损失函数适用于不同的任务，例如，MSE适用于回归任务，Cross Entropy适用于分类任务，Contrastive Loss适用于比较任务。损失函数的选择与模型的训练效果密切相关。

深度学习中常用的优化器有随机梯度下降（Stochastic Gradient Descent，SGD）、Adam、Adagrad、RMSprop等。不同的优化器具有不同的特点，例如，SGD具有简单易用、收敛速度较慢的特点，Adam具有自适应学习率等特点。优化器的选择与模型的训练效果、收敛速度等因素密切相关。