准确地说，当绝对误差小于0.5时，损失函数是平方误差，当绝对误差大于0.5时，损失函数本身就是绝对误差。这样，误差函数的梯度不会超过1，因为一旦平方误差函数的梯度达到1，绝对误差函数就会生效，并且梯度保持在1不变。由于某些原因，它给我带来的性能比平方误差更差。= tf.to_float(tf.mul(fn_choice_maker1, fn_choice_maker2))
sqr_contrib = tf.mul(choice_maker_sqr
浏览 5提问于2016-08-24得票数 6
2回答
低估和高估的不同成本
、、、、
我有一个回归问题，但成本函数是不同的:低估的成本高于高估的成本。例如，如果预测值<TRUE值，则成本为3*( true -预测)^2；如果预测值>TRUE值，则成本为1*( true -预测)^2。我应该做哪些修改来调整这个成本函数？有什么推荐的读物吗？
浏览 1提问于2017-06-28得票数 2
我正在尝试在keras模型中使用huber loss (编写DQN)，但我得到了不好的结果，我认为我做错了什么。我的is代码如下。input_dim=state_dim))loss = tf.losses.huber_loss
浏览 360提问于2017-12-16得票数 14
回答已采纳
1回答
我正在尝试解决Tensorflow中的约束优化问题。我想在我的损失函数中添加theta_r <= min(theta_tf)，theta_s >= max(theta_tf)，n > 1和Ks > 0的条件。你知道如何在我的损失函数中添加这样的约束吗？下面是我的损失函数的样子。self.loss = tf.reduce_mean(tf.square
浏览 82提问于2020-07-17得票数 0
我需要为Keras实现一个自定义目标函数，其中我需要一个额外的tensorflow占位符用于计算。在tensorflow中，我有如下内容：cost1= tf.square(self.l2_norm(pre_cost1))
其中input_mask_R是tensorflow占位符。对于Keras损失<em
浏览 1提问于2017-04-29得票数 0
1回答
我是Tensorflow的初学者。我从“入门”页面中选取了一个适合行的例子，并对其进行了我认为几乎微不足道的修改，但它完全失败了。我什么都不了解。在修改后的版本中，数组b_data是两个已知高斯的和，具有未知的权重。试着解决那些重量问题。这是一个二次型问题，可以作为一个线性系统来解决。这就是问题所在：虽然问题是凸的(二次偶数)，但tensorflow没有找到正确的答案。tf.reduce_sum(<e
浏览 0提问于2016-03-01得票数 2
1回答
我试图在TensorFlow中实现优化算法的可视化。所以我从Beale的函数开始
全球最小值在Beale函数的一幅图是这样的
我想从f(x=3.0, y=4.0)开始
如何用优化算法在TensorFlow中实现这一点？tf.square(tf.add(tf.subtract(2.25, x), tf.multiply(x, tf.square(y)))
浏览 2提问于2017-07-22得票数 5
回答已采纳
我正在尝试用Deepmind在张量流中实现DQN文件，并且在裁剪损失函数时遇到了困难。以下是描述损失裁剪的自然文件的摘录：
我对这种情况的推理是，在(-inf，-1) U (
浏览 14提问于2016-04-06得票数 11
我有一个模型，它使用非常大量的操作来处理l2损失。这最终超过了mul和add操作的数量。我想知道是否有可能删除它们？如果不是，为什么
浏览 4提问于2019-07-15得票数 0
1回答
我试图为顺序模型构建一个自定义损失函数。在这个损失函数中，使用y_true和y_pred来计算一个误差。loss = tf.square(y_pred - y_true) + tf.square(y_pred - y_true)
model = Sequential()input_scaled是同一个numpy数组，它也在model.fit中使用，所以我希望这两个自定义丢失函数会产生相同的输
浏览 5提问于2020-02-21得票数 1
我正在编写一段tensorflow代码，希望在每次更新后对变量向量进行标准化。(a - y))至和y = y / t
浏览 3提问于2017-07-26得票数 0
回答已采纳
，该函数可以是其中的任意一个，其中的向量和裁剪在参数中传递：每个损失函数都有一个特殊的缺省裁剪值，因此我们可以称之为huber_loss(向量)或huber_loss(向量，2)。我希望在权重()中使裁剪参
浏览 5提问于2016-04-28得票数 1
回答已采纳
我是tensorflow的新手。我想写我自己的自定义丢失函数。有关于这个的教程吗？例如，铰链丢失或sum_of_square_loss(虽然这已经在tf中)？我可以直接在python中这样做，或者我必须编写cpp代码吗？
浏览 10提问于2016-01-19得票数 45
回答已采纳
我有一个带有MSE损失函数的神经网络，其实现方式如下：def train_neural_network_batchoptimizer = tf.train.AdamOptimizer(learn_rate).minimize(cost)
我对神经网络和Python相当陌生，但我知道每次迭代都会将训练点的样本输入到神经网络中</em
浏览 0提问于2019-02-16得票数 0
为了创建自定义的丢失函数，我看到许多人使用了tensorflow的后端功能。 return tf.math.reduce_mean(tf.square0.15846486198115287, shape=(),
浏览 1提问于2021-03-26得票数 1
我有一个模型，并且实现了一个定制的损失函数，大致如下： global diff diff = labels - predictions在我运行train_on_batch之后
浏览 0提问于2019-08-05得票数 1
在tensorflow中，似乎整个反向传播算法是通过对某个成本函数运行一次优化器来执行的，该成本函数是一些MLP或CNN的输出。我不完全理解tensorflow如何从成本中知道它确实是某个NN的输出？可以为任何模型定义成本函数。我该如何“告诉”它某个成本函数是从NN派生出来的？
浏览 0提问于2017-05-27得票数 15
回答已采纳
我正在学习tensorflow(2.3)中的keras。tf.math.reduce_mean(tf.square(y_true - y_pred))
这个自定义丢失函数中的reduce_mean函数将返回一个标量。这样定义损失函数是正确的吗？据我所知，y_true和y_pred形状的第一个维度是批处理大小。我认为损失函数应该返回每批样品的损失值。因此，损失<em
浏览 8提问于2020-08-13得票数 24
回答已采纳
我一直在尝试查看PyTorch中的所有损失函数，并从零开始构建它们，以便更好地理解它们，我遇到了与我的娱乐有关的问题，或者是PyTorch的实现问题。loss(predictions, target)tensor(0.7603, grad_fn=<SmoothL1LossBackward>)
我不知道实现中的错误在哪里在深入研究smooth_l1_loss function模块中的_C模块(file：smooth_c
浏览 9提问于2020-12-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
