卷积神经网络损失

Question

在计算损失函数时。我可以手动计算损失吗

Loss = tf.reduce_mean（tf.square（np.array（Prediction） - np.array（Y）））

然后使用Adam Optimizer优化此丢失

Answer 1

不可以。张量流失函数通常接受张量作为输入，并输出张量。所以np.array（）不起作用。

在CNN的情况下，你通常会遇到诸如交叉熵，softmax corss-entropy，sigmoid cross-entropy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。您尝试应用的损失函数看起来像均方损失。这也是在tf.losses中构建的。 tf.losses.mean_squared_error。

话虽如此，我还使用手工编码公式实现了一些损失函数，如交叉熵，如：-tf.reduce_mean（tf.reduce_sum（targets * logProb））。只要输入目标和logProb计算为张量而不是numpy数组，这同样可以正常工作。

Answer 2

不，实际上你需要使用张量变量损失，而不是使用numpy.array（np.array(Prediction)）。

由于张量流将eval这些tensors在tensorflow引擎。