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Python 什么是tf.Loss.absolute_差的替代品,python,tensorflow2.0,Python,Tensorflow2.0,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,
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。