tensorflow 損失計算--MSN

一、tf.losses.mean_squared_error函數

tf.losses.mean_squared_error(
    labels,
    predictions,
    weights=1.0,
    scope=None,
    loss_collection=tf.GraphKeys.LOSSES,
    reduction=Reduction.SUM_BY_NONZERO_WEIGHTS
)

 

• labels：真實的輸出張量,與「predictions」相同.
• predictions：預測的輸出.
• weights：可選的Tensor,其秩爲0或與labels具備相同的秩,而且必須可廣播到labels(即,全部維度必須爲1與相應的losses具備相同的維度).
• scope：計算loss時執行的操做範圍.
• loss_collection：將添加loss的集合.默認'losses'(若是自己使用losses collection，注意重複計算)
• reduction：適用於loss的減小類型.

返回值：

　　加權損失浮動Tensor.若是reduction是NONE,則它的形狀與labels相同；不然,它是標量.