tensorflow 损失计算--MSN

2024-09-04 17:35:40

1、tf.losses.mean_squared_error函数

tf.losses.mean_squared_error(

    labels,

    predictions,

    weights=1.0,

    scope=None,

    loss_collection=tf.GraphKeys.LOSSES,

    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS

)

labels：真实的输出张量,与“predictions”相同.
predictions：预测的输出.
weights：可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1与相应的losses具有相同的维度).
scope：计算loss时执行的操作范围.
loss_collection：将添加loss的集合.默认'losses'(如果本身使用losses collection，注意重复计算)
reduction：适用于loss的减少类型.

返回值：

　　加权损失浮动Tensor.如果reduction是NONE,则它的形状与labels相同；否则,它是标量.

最新文章

热门文章