Logging Tensorflow Estimator打印损失时使用的数据集是什么_Logging_Tensorflow_Machine Learning_Deep Learning

Logging Tensorflow Estimator打印损失时使用的数据集是什么

logging tensorflow machine-learning deep-learning

Logging Tensorflow Estimator打印损失时使用的数据集是什么,logging,tensorflow,machine-learning,deep-learning,Logging,Tensorflow,Machine Learning,Deep Learning,使用Tensorflow Estimator时，它会在python控制台（每100步）上打印全局步骤和损失（此外，它还打印了学习率、交叉熵和MAE，这是我的评估指标，它以不同的行打印了这3个值，我认为这是由于一些包装函数，它不是原始估计器API的一部分，因为我使用的是谷歌开发人员的ResNet实现）。它看起来如下： I0530 19:20:42.748463 10964 tf_logging.py:116] learning_rate = 3.552962e-05, cross_entr

使用Tensorflow Estimator时，它会在python控制台（每100步）上打印全局步骤和损失（此外，它还打印了学习率、交叉熵和MAE，这是我的评估指标，它以不同的行打印了这3个值，我认为这是由于一些包装函数，它不是原始估计器API的一部分，因为我使用的是谷歌开发人员的ResNet实现）。它看起来如下：

    I0530 19:20:42.748463 10964 tf_logging.py:116] learning_rate = 3.552962e-05, cross_entropy = 2.2080934, MAE = 5.135024 (62.295 sec)   
    I0530 19:20:42.749458 10964 tf_logging.py:116] loss = 2.2080934, step = 76066 (62.295 sec)

我的问题是，计算的是什么损失（或者计算的是什么MAE）？
记录时，是否仅在特定步骤的一个示例上丢失？
是记录时特定步骤的批次损失吗？
或者是整个火车组的损失

另外，如果我的假设有误，请纠正我。我在这个领域是新手。

谢谢。

tf.Estimator

会自动为损失和全局步长设置一个

LoggingTensorHook

。您运行的代码可能会为其他值（学习率、交叉熵（这只是损失）和MAE）设置一个单独的挂钩，这就是它们被打印在单独行上的原因

至于使用什么数据来生成值：这是“当前”数据批，即在执行日志记录的步骤中使用的批。因此，在您提出的三个选项中，第二个选项是正确的

这可以通过以下方式进行确认：钩子在“运行后”进行日志记录，在

run\u值中接收最后一次session.run（）调用的结果（一次只获取一批）