Question

我在TensorFlow文档中找不到该问题的答案。我曾经读过，应该从tf.nn函数中增加损失，但是对于tf.losses中的函数则没有必要。因此：

我什么时候应该使用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。

Answer 1

人们会使用这种方法来记录用户定义的损失。

也就是说，如果您创建了一个定义您的损失的张量（例如，my_loss = tf.mean(output)），则可以使用此方法将其添加到损失收集中。如果您不手动跟踪所有损失，则可能要这样做。例如，如果您使用的是类似tf.losses.get_total_loss()的方法。

在tf.losses.add_loss内部非常简单：

def add_loss(loss, loss_collection=ops.GraphKeys.LOSSES):
  if loss_collection and not context.executing_eagerly():
    ops.add_to_collection(loss_collection, loss)

什么时候应该在TensorFlow中使用tf.losses.add_loss（）？

1 个答案: