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 tf.losses 中的函数则没有必要。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。
最佳答案
可以使用此方法来注册用户定义的损失。
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集合中。如果您不手动跟踪所有损失，您可能需要这样做。例如，如果您使用像 tf.losses.get_total_loss() 这样的方法。
内部tf.losses.add_loss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)
关于python - 何时应在 TensorFlow 中使用 tf.losses.add_loss()？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56231695/