代码之家 › 专栏 › 技术社区 › mrgloom

为什么在损失函数中使用均值而不是求和?

loss-function deep-learning keras tensorflow

1

mrgloom · 技术社区 · 7 年前

为什么在损失函数中使用均值而不是求和?

i、 e.有什么理由更喜欢这个吗

def mae_loss(y_true, y_pred):
    loss = tf.reduce_mean(tf.abs(y_true-y_pred))
    return loss

为了这个

def mae_loss(y_true, y_pred):
    loss = tf.reduce_sum(tf.abs(y_true-y_pred))
    return loss

在Keras源代码中,还使用mean variant:

1 回复 | 直到 7 年前

1

3

June Yoon 7 年前

我们通常计算损失是为了与他人比较,或者尽可能减少损失。如果只得到sum而不是mean,结果会根据数据的数量而变化,那么很难找到它是大还是不大。这就是为什么我们通常使用“均方误差”或“绝对误差”来代替它们的和。