我正在尝试在张量流中建立一个神经网络，它并不属于回归类别的分类。它可能更接近强化学习。
我创建了一个网络，其中包含一些ReLU隐藏层，这些层以3元素softmax输出层结尾。每个样本的目标向量是奖励（对于惩罚可以是负的，对于中性可以是0）用于做出某种选择（其中有3个）。这个想法是最大化所有样本的总和奖励。
给定一个样本输入映射到模型输出M = [a，b，c]，目标Y = [d，e，f];该特定样本的损失将是M * Y'，或简单地说是-tf.matmul（model，Y，transpose_b = True）。然而，当使用批处理导致矩阵代替向量时，我不知道如何以TensorFlow的优化器可以使用的方式将其表示为成本函数。简单地使用上面的示例代码就会产生无意义的批量大小^ 2大小的矩阵。
我该怎么做？
答案 0 :(得分：2)
让我们假设您有一小组N示例的模型输出，称之为output。那将是[N, 1, 3]形状。 （注意：通常情况下，softmax的输出的形状为[N, 3]，但您可以使用tf.reshape将其重新整形为[N, 1, 3]）。致电您的奖励或定位target，其形状也会[N, 1, 3]。您可以执行以下操作来获取loss形状[N, 1, 1]：
loss = tf.batch_matmul(output, tf.transpose(target, [0, 2, 1]))
如果您希望为您的小批量平均损失，您可以执行以下操作：
loss = tf.reduce_mean(loss)
在这种情况下，您会得到一个标量值。