如果这是 的返回值,这意味着什么tf.losses.softmax_cross_entropy_loss
?
<tf.Tensor 'softmax_cross_entropy_loss/value:0' shape=() dtype=float32>
状态的事实是否value:0
意味着shape=()
没有计算任何内容?
如果这是 的返回值,这意味着什么tf.losses.softmax_cross_entropy_loss
?
<tf.Tensor 'softmax_cross_entropy_loss/value:0' shape=() dtype=float32>
状态的事实是否value:0
意味着shape=()
没有计算任何内容?
没有计算任何内容,因为您在任何数据通过它们之前在图表中显示张量。比方说
sce = tf.losses.softmax_cross_entropy_loss(input)
然后要实际获得损失值,您必须使用
sess = tf.Session()
...
loss = sess.run(sce, feed_dict)
其中 feed_dict 是您的数据的字典。损失现在将返回实际的数字损失值。
value
只是该值所属的一组计算的指标。例如:tf.reduce_mean
返回tf.Tensor 'Mean_1:0' shape=() dtype=float32
,因为它是平均计算。0 并不意味着它的当前值为 0,它只是用于索引。
此外,您的张量形状是()
因为单个损失值没有批量大小、x 或 y 方向或通道(假设您正在使用 4D 张量),所以这也可以。