tensorflow 损失计算--MSN

一、tf.losses.mean_squared_error函数

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

 

• labels：真实的输出张量,与“predictions”相同.
• predictions：预测的输出.
• weights：可选的Tensor,其秩为0或与labels具备相同的秩,而且必须可广播到labels(即,全部维度必须为1与相应的losses具备相同的维度).
• scope：计算loss时执行的操做范围.
• loss_collection：将添加loss的集合.默认'losses'(若是自己使用losses collection，注意重复计算)
• reduction：适用于loss的减小类型.

返回值：

　　加权损失浮动Tensor.若是reduction是NONE,则它的形状与labels相同；不然,它是标量.