Python 在Tensorflow中，损失可以是多个维度的张量。这是什么意思？

标量损耗对我来说非常合理，这通常是标准NN体系结构中作为损耗函数提供的。但是，有一项规定可以使您的损失不是标量的，例如，我输入了一个大小损失（[batch_size，]），它没有抛出错误

内部是否将损失汇总为总和/平均值？我对源代码的理解不是很清楚

---

非常感谢您的帮助。谢谢。：）

假设您正在尝试对MNIST数据集进行分类。在这种情况下，你有10个输出神经元。因此，在通过它传播训练样本后，您将获得10次激活。必须通过每个神经元的成本函数（比如交叉熵）将其与期望输出进行比较

你在这里要做的是，在所有神经元中最小化这些代价。在MNIST示例中，您必须执行以下操作

xent = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=y), name="xent")

您可以看到，所有神经元的成本都计算为平均值（reduce_-mean）