Python Caffe-EuclideanLoss在Tensorflow中复制

我试图在

Tensorflow

中从

Caffe

复制

EuclideanLoss

。我发现了一个名为：

tf.nn.l2_loss

的函数，根据文档，该函数计算如下：

output = sum(t ** 2) / 2

当查看Python版caffe中的欧几里德损失时，它说：

def forward(self, bottom, top):
        self.diff[...] = bottom[0].data - bottom[1].data
        top[0].data[...] = np.sum(self.diff**2) / bottom[0].num / 2.

在原始文件中，它说：

---

对我来说，这是完全相同的计算。然而，在Tensorflow中，同一个网络的损失值约为3000，而在Caffe中，损失值约为300。那么差异在哪里呢？

tf.nn.l2_损失

在计算损失时不考虑批量大小。为了获得与caffe相同的值，您应该除以批量大小。为此，最简单的方法是使用平均值（总和/n）：

---

我想说，您还需要除以批次大小（10？），或者更好，使用

tf.mean（）

计算批次的平均损失。Hm甚至更好不是我要求的。我要求的是同样的损失@ManoloSantosIt也是同样的损失<代码>tf.减少平均值（x）/2..=tf.sum（x）/x.shape[0]/2.好的，你能回答这个问题并写下要使用的确切张量流量损失吗？我有点困惑@ManoloSantosI我100%确信这不等于caffe的欧几里德损失，因为我已经在使用这个公式了！它返回[0,1]范围内的值，因为我的基本真值范围是[0,1]，这是由于均值函数。平均值返回“平均值”，而不是总和。这是不对的。你能看看这个链接@thigi吗。嗯，我认为你没有理解平均数的定义<代码>平均值（x）=（1/N）*和（x）目标（y）是否可能是向量而不是标量？在这种情况下，情况就不同了。只需求和到最后一个轴（-1）并除以批次大小，它们是这样的：

tf.placeholder（tf.float32，shape=[1,64,64,54]）

。你能更新你的答案吗？

import tensorflow as tf

y_pred = tf.constant([1, 2, 3, 4], tf.float32)
y_real = tf.constant([1, 2, 4, 5], tf.float32)
mse_loss = tf.reduce_mean(tf.square(y_pred - y_real)) / 2.

sess = tf.InteractiveSession()
mse_loss.eval()