Python 什么是tf.Loss.absolute_差的替代品

我的问题是关于TF2.0中的。没有tf.loss.absolute_差分函数，也没有tf.loss.reduce.MEAN属性

我应该用什么来代替？ TF2中是否有已删除TF函数的列表，可能还有它们的替换

这是不与TF2一起运行的TF1.x代码：

结果=tf.损失.绝对差值a，b，减少=tf.损失.减少.平均值

---

您仍然可以通过tf.compat.v1访问此功能：

导入tensorflow作为tf labels=tf.常数[[0,1]，[1,0]，[0,1]] 预测=tf.常数[[0,1]，[0,1]，[1,0]] res=tf.compat.v1.loss.absolute_DifferenceLabel， 预言， 减少=tf.compat.v1.loss.reduction.MEAN printres.numpy 0.667 或者您可以自己实施：

导入tensorflow作为tf 从tensorflow.python.keras.utils导入损失\u utils def绝对差值标签，预测，权重=1.0，缩减率='mean'： 如果减少=‘平均值’： 减少值fn=tf.reduce\u平均值 elif减少==“总和”： 减少值fn=tf.reduce\u和 其他： 你可以增加更多的折扣 通过 标签=tf.castlabels，tf.float32 预测=tf.castpredictions，tf.float32 损失=tf.Abstrf.Abtract预测、标签 权重=tf.casttf.convert_to_tensorweights，tf.float32 res=损失_utils.compute _加权_损失， 重量， 减少=tf.keras.loss.reduction.NONE 返回减少值，轴=无 res=绝对差值标签、预测 printres.numpy 0.667

---

谢谢，所以我可以继续，但是如果tf.compat.v1将不再可用，那么将来该使用什么呢？在可预见的将来，tf团队没有删除tf.compat.v1的计划。但无论如何，你可以自己实现它。请参阅更新的答案。