tensorflow 损失计算--MSN
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.