GradientDescentOptimizer在急切模式下需要不带参数的损失函数

Question

tf.train.Optimizer 的API说：  “启用急切执行后，损失应该是不带任何参数并计算要最小化的值的Python函数。”

我很困惑，损失函数如何在没有给出预测和标签的情况下计算损失？

我尝试了 tf.losses.mean_squared_error ，但是，正如预期的那样，此操作不起作用，因为它需要参数。

opt = tf.train.GradientDescentOptimizer(learning_rate=.1)

opt_op = opt.minimize(tf.losses.mean_squared_error, var_list=[model.W, model.b])
# TypeError: mean_squared_error() missing 2 required positional arguments: 'labels' and 'predictions'

Answer 1

tf.losses.mean_squared_error需要两个位置参数。

给出pred的预测和label的预期结果。

pred  # computed
label # computed
def custom_loss() :
  return tf.losses.mean_squared_error(pred, label)

opt.minimize(custom_loss, var_list=[model.W, model.b])