如何在tensorflow中设置rmse cost函数

Question

我在tensorflow中有成本函数。

activation = tf.add(tf.mul(X, W), b)
cost = (tf.pow(Y-y_model, 2)) # use sqr error for cost function

我正在尝试this example。如何将其更改为rmse cost function？

Answer 1

A* B::getAobj()
{
return obj;
}

Answer 2

root mean square error的公式为：

在TF中实现它的方法是dump()。

要记住的重要一点是，不需要使用优化器最小化RMSE损失。使用相同的结果，您可以最小化tf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2)))甚至tf.reduce_mean(tf.squared_difference(Y1, Y2))，但由于它们的操作图较小，因此可以更快地进行优化。

但如果您只想获取RMSE的值，则可以使用此功能。

Answer 3

（1）你确定需要这个吗？最小化l2 loss将得到与最小化RMSE错误相同的结果。 （通过数学计算：你不需要取平方根，因为最小化x ^ 2仍然最小化x为x> 0，并且你知道一组正方形的总和是正的。最小化x * n使x最小化对于常数n）。

（2）如果你需要知道RMSE错误的数值，那么直接从definition of RMSE实现它：

tf.sqrt(tf.reduce_sum(...)/n)

（您需要知道或计算n - 总和中元素的数量，并在调用reduce_sum时适当设置缩小轴。）

Answer 4

现在我们有tf.losses.mean_squared_error

因此，

RMSE = tf.sqrt(tf.losses.mean_squared_error(prediction, label))

Answer 5

对于想要将RMSE用作指标的人

<a class="mr-2" href="{% url 'user-feed' post.author.username %}">{{ post.author }}</a>

使用方法示例

rmse = tf.keras.metrics.RootMeanSquaredError()