什么时候应该在TensorFlow中使用tf.losses.add_loss()？
什么时候应该在TensorFlow中使用tf.losses.add_loss()？
提问于 2019-05-21 13:36:59
我在TensorFlow文档中找不到这个问题的答案。我曾经读到，应该从tf.nn函数中添加损失，但对于来自tf.losses的函数则不是必需的。因此：
什么时候应该使用tf.losses.add_loss()？
示例：
loss = tf.reduce_mean(tf.nn.sparse_softmax_corss_entropy_with_logits
(labels=ground_truth, logits=predictions))
tf.losses.add_loss(loss) <-- when is this required?谢谢你。
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-05-21 13:59:10
人们将使用这种方法来登记用户定义的损失。
也就是说，如果您创建了一个定义损失的张量，例如my_loss = tf.mean(output)，您可以使用此方法将其添加到损失收集中。如果您不想手动跟踪所有的损失，那么您可能希望这样做。例如，如果您使用像tf.losses.get_total_loss()这样的方法。
在tf.losses.add_loss内部非常简单：
def add_loss(loss, loss_collection=ops.GraphKeys.LOSSES):
if loss_collection and not context.executing_eagerly():
ops.add_to_collection(loss_collection, loss)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/56231695
复制相关文章
相似问题