machine-learning - TensorFlow 均方误差指标始终返回 0

Question

我遇到一个问题，无论我传递什么标签/预测 TF.Metrics.Mean_Squared_Error 它总是返回 0 值。

这是重复问题的代码:

a = tf.constant([0,0,0,0])
b = tf.constant([1,1,1,1])
mse, update = tf.metrics.mean_squared_error(a,b)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
mse.eval(session=sess) 

%% 返回 0.0

Answer 1

我真的不知道为什么它会这样工作，但实际上您需要在 mse 的内部状态考虑您的数据之前运行 update :

a = tf.constant([0,0,0,0])
b = tf.constant([1,1,1,1])
mse, update = tf.metrics.mean_squared_error(a,b)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
mse.eval(session=sess) # Gives 0.0, the initial MSE value
update.eval(session=sess) # Gives 1.0, the value of the update for the mse
mse.eval(session=sess)  # Gives 1.0, which is 0.0+1.0, the updated mse value

例如，

tf.metrics.mean_squared_error() 用于计算整个数据集的 MSE，因此如果您想要独立地获得批处理结果，则不应使用它。为此，请使用 tf.losses.mean_squared_error(a, b, loss_collection=None)例如。