我正在使用 Q 学习,我想知道如果我有一个可以给出负奖励的奖励函数,我是否可以使用 tf.losses.mean_squared_error 损失计算函数。
因为如果我有以下 Q 值作为我的网络的输出:(0.1, 0.2, 1),并且我计算出我的真实 Q 值应该是 (0.1, -5, 1),如果我使用mean_squared_error 函数第二个 Q 值的损失将为正,我错了吗?因为平方运算所以梯度下降不会基于正确的损失?
最佳答案
是的,效果很好。
您应该关注mse
成本函数。
mse = tf.reduce_mean(tf.square((x*w+b)-y))
成本函数计算差值的平方。这意味着始终 -
值变为+
.
而且,你是对的。
7-1
和5+ -1
成本与 36 相同。
为了更好地理解梯度下降,您需要知道如何最小化 mse
。
从下图中,您可以看到当前mse
通过x*w+b
.
此时,梯度下降得到一个斜率来决定w改变的方向。
斜率由导数计算得出。
对mse
求导后可以看到下面的公式功能。
所以,你可以看到W的方向,如果((w*x-y)*x) > 0
,W将向左移动。如果没有,将移至右侧。
关于tensorflow - tf.losses.mean_squared_error 目标为负,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56270744/