如何在張量流中設置rmse成本函數

我有張量流的成本函數。如何在張量流中設置rmse成本函數

activation = tf.add(tf.mul(X, W), b) 
cost = (tf.pow(Y-y_model, 2)) # use sqr error for cost function

我正在嘗試this example。我怎樣才能改變它的成本函數？

來源

2015-11-21 Viki

嗨@Viki，你能接受我的回答！ –

（1）你確定你需要這個嗎？最小化l2 loss將爲您提供與RMSE誤差最小化相同的結果。（通過數學計算：不需要取平方根，因爲當x> 0時，使x^2最小化x，並且知道一串方塊的總和爲正數。使x * n最小化x對於常數n）。

（2）如果您需要了解RMSE誤差的數值，然後直接從definition of RMSE實現它：

tf.sqrt(tf.reduce_sum(...)/n)

（你需要知道或計算出n - 中元素的個數總和，並在調用reduce_sum時適當地設置減速軸）。

來源

2015-11-21 22:14:32 dga

@dga這裏不是'tf.sqrt（tf.reduce_mean（...））'是一個更好的選擇嗎？ – goelakash

@goelakash - 可能！我一直在嘗試將我關聯的典型RMSE公式進行最清晰的音譯，但實際上，'tf.reduce_mean'是更好的選擇。 – dga

由於你看起來相當損失計算，你可能能夠幫助我解決這個問題：[question]（https://stackoverflow.com/questions/44717224/when-using-rmse-loss-in-tensorflow-i -receive-very-small-loss-values-smalerl-than）@dga – thigi

tf.sqrt(tf.reduce_mean(tf.square(tf.subtract(targets, outputs))))

來源

2016-05-29 15:23:36

至少請接受答案：D –

公式爲root mean square error是：

實現它在TF的方式是tf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2)))。

重要的是要記住的是，沒有必要使優化器的RMSE損失最小化。使用相同的結果，您可以將tf.reduce_mean(tf.squared_difference(Y1, Y2))甚至tf.reduce_sum(tf.squared_difference(Y1, Y2))最小化，但由於它們具有較小的操作圖形，因此它們的優化速度會更快。

但是，如果您只想描述RMSE的值，則可以使用此函數。

來源

2017-05-07 10:07:02

如何在張量流中設置rmse成本函數

回答

相關問題