2017-05-06 29 views
1

我有一个输入数据集x与形状(10,1000),10输入和1000行和输出y与(1,1000),1输出和1000行。
Tensorflow成本函数

我所定义的成本函数是

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

预测是一个单一的预测输出值和Y是输出值的占位符。我使用下面的代码来获得成本的价值。

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

然后输出成本函数值是(1000,1000)矩阵自Y的进料是(1,1000)载体。

现在的问题是如何制作一个成本函数,它可以计算矩阵的数字瞬间的成本,而无需逐行循环所有输入。

回答

1

而且tf.reduce_sum(cost)会做你想要什么,我认为这是更好地使用tf.reduce_mean()。这里有几个原因:

  • 您会得到与您的矩阵大小无关的一致损失。平均而言,你会得到更大的reduce_sum 4次,两次大矩阵
  • 机会少,你会得到nan通过溢出
相关问题