2017-05-06 28 views
1

我有一個輸入數據集x與形狀(10,1000),10輸入和1000行和輸出y與(1,1000),1輸出和1000行。
Tensorflow成本函數

我所定義的成本函數是

cost = tf.square(Y - prediction, name="cost") 

預測是一個單一的預測輸出值和Y是輸出值的佔位符。我使用下面的代碼來獲得成本的價值。

cost_value = sess.run(cost, feed_dict ={ X: x, Y : y }) 

然後輸出成本函數值是(1000,1000)矩陣自Y的進料是(1,1000)載體。

現在的問題是如何製作一個成本函數,它可以計算矩陣的數字瞬間的成本,而無需逐行循環所有輸入。

回答

1

而且tf.reduce_sum(cost)會做你想要什麼,我認爲這是更好地使用tf.reduce_mean()。這裏有幾個原因:

  • 您會得到與您的矩陣大小無關的一致損失。平均而言,你會得到更大的reduce_sum 4次,兩次大矩陣
  • 機會少,你會得到nan通過溢出
相關問題