张量流成本函数

Question

我有一个带形状（101000）、10个输入和1000行的输入数据集x，以及一个带（11000）、1个输出和1000行的输出数据集y。

我定义的成本函数是

cost = tf.square(Y - prediction, name="cost")

预测是单个预测的输出值，Y是输出值的占位符。我用下面的代码来计算成本的价值。

cost_value = sess.run(cost, feed_dict ={ X: x, Y : y })

然后输出成本函数值是（10001000）矩阵，因为Y的馈入是（11000）向量。

问题是，我如何能做一个成本函数，计算出一个矩阵的数瞬间的成本，而不必逐行循环所有的输入。

Answer 1

tf.reduce_sum(cost)将对矩阵中的所有值求和。

https://www.tensorflow.org/api_docs/python/tf/reduce_sum

Answer 2

而且tf.reduce_sum(cost)会做你想做的，我认为最好使用^{}。原因如下：

• 你得到的损失与你的矩阵大小无关。平均来说，对于一个两倍大的矩阵，你将得到四倍大的约化和
• 通过溢出获得nan的机会更少