卷积神经网络损耗

Question

在计算损失函数时。我可以手动计算损失吗？

损失=tf.reduce_mean(tf.square(np.array(预测)-np.array(Y)

然后使用Adam优化器优化这个损失

Answer 1

不是的。Tensorflow损失函数通常接受张量作为输入，并输出张量。这样np.array()就不能工作了。

在CNN的情况下，通常会遇到诸如交叉熵、softmax corss-熵、sigmoid交叉熵等损失函数，这些函数已经内置在tf.losses模块中。所以你可以直接使用它们。你试图应用的损失函数看起来像一个均方损失。这也是在tf.losses中构建的。tf.losses.mean_squared_error。

尽管如此，我还使用手工编码公式(如：-tf.reduce_mean(tf.reduce_sum(targets *logProb)实现了一些损失函数，比如交叉熵。只要输入目标和logProb被计算为张量而不是numpy数组，这也同样好。

Answer 2

不，实际上您需要使用张量变量来表示损耗，而不是使用numpy.array(np.array(Prediction))。

因为，tensorflow，将在tensorflow引擎中eval这些tensors。