6
テンソルフローのコスト関数があります。テンソルフローでのrmseコスト関数の設定方法
activation = tf.add(tf.mul(X, W), b)
cost = (tf.pow(Y-y_model, 2)) # use sqr error for cost function
私は試していますthis exampleです。 rmseコスト関数に変更するにはどうすればよいですか？
A
答えて
5
（1）本当に必要ですか？ l2 lossを最小化すると、RMSEエラーを最小化するのと同じ結果になります。 （x^2を最小化するとx> 0のxを最小化するので、平方根をとる必要はありません。定数nについて）。
あなたはRMSEエラーの数値を知る必要がある場合（2）、その後、definition of RMSEから直接それを実装：
tf.sqrt(tf.reduce_sum(...)/n)
（Nを知っているか計算する必要がある - の要素数をreduce_sumの呼び出しで、reduce軸を適切に設定します）。
+1
@dga 'tf.sqrt（tf.reduce_mean（...））'はここでより良いオプションになりますか？ – goelakash
+1
@goelakash - おそらく！私はリンクした典型的なRMSE式の最も明瞭な音訳をしようとしていましたが、実際には 'tf.reduce_mean'が良い選択です。 – dga
+0
あなたは損失計算にかなり迷っているようですので、この質問で私を助けてくれるかもしれません：[質問]（https://stackoverflow.com/questions/44717224/when-using-rmse-loss-in-tensorflow-i -receive-very-small-loss-values-smalerl-than）@dga – thigi
27
tf.sqrt(tf.reduce_mean(tf.square(tf.subtract(targets, outputs))))
+0
少なくとも答えを受け入れてください：D –
8
root mean square errorための式は：
TFでそれを実現する方法がtf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2)))あります。
覚えておくべき重要なことは、オプティマイザでRMSE損失を最小限にする必要がないことです。同じ結果では、ちょうどtf.reduce_mean(tf.squared_difference(Y1, Y2))またはtf.reduce_sum(tf.squared_difference(Y1, Y2))を最小限に抑えることができますが、操作グラフが小さいため、最適化が速くなります。
しかし、この機能は、RMSEの値をトラップするだけの場合に使用できます。
こんにちは@Viki、あなたは私の答えを受け入れることができますか？ –