Python 在Tensorflow中损失函数是如何工作的？如何从批次中计算它们？

我对tensorflow有很多实际操作经验，最近我一直在尝试实现一个自定义损失函数。因为我一直在努力解决这个问题，所以我尝试实现一个简单的平均绝对误差（MAE）损失。这是我的职责：

@tf.function
def my_mae(y_true, y_pred):
    return tf.reduce_mean(tf.abs(tf.subtract(y_true, y_pred)), axis=-1)

编译 现在，对我来说，这看起来相当准确，但我用以下参数编译了我的模型：

model.compile(loss=my_mae,
              optimizer='adam',
              metrics=['mae', 'mse'])

我从

model.fit

开始训练。问题是，在拟合函数的日志中，我可以看到我的MAE和MAE度量有不同的值：

Epoch 1/100
483/483 [==============================] - 1s 3ms/step - loss: 3.7004 - mae: 0.7226 - mse: 0.8044 - val_loss: 3.2607 - val_mae: 0.5098 - val_mse: 0.4458
Epoch 2/100
483/483 [==============================] - 1s 3ms/step - loss: 3.4139 - mae: 0.6550 - mse: 0.6687 - val_loss: 3.0994 - val_mae: 0.4907 - val_mse: 0.4207

我做错什么了吗？tensorflow在做我不知道的事情吗

更多的实验 我还试着将损失除以一个大数字，看看发生了什么，就像下面这段话：

@tf.function
def my_mae(y_true, y_pred):
    return tf.reduce_mean(tf.abs(tf.subtract(y_true, y_pred)), axis=-1) / 1000

但我得到了完全相同的起始损失值：

Epoch 1/100
483/483 [==============================] - 1s 3ms/step - loss: 3.8101 - mae: 0.7587 - mse: 0.8851 - val_loss: 3.3032 - val_mae: 0.5203 - val_mse: 0.4549
Epoch 2/100
483/483 [==============================] - 1s 3ms/step - loss: 3.4606 - mae: 0.6594 - mse: 0.6793 - val_loss: 3.1446 - val_mae: 0.4985 - val_mse: 0.4274

编辑：模型创建代码

---

正如您最终发现的，罪魁祸首是在您的模型中使用了正则化器：

hidden = Dense(nneurons,
               activation=hidden_act,
               kernel_regularizer=regularizer,   # <<<<<<<<<<
               name='dense{}'.format(i))(hidden)

hidden=密集（n欧元、，
激活=隐藏的行为，
kernel_regularizer=regularizer，#在更改损失函数后得到相同的值这一事实有点奇怪。您能确保在干净的python环境中运行它并且它使用了正确的函数吗？您还可以尝试返回一个常量值以使值输出可预测，并查看是否有任何不同。最后一个问题是将您的实现与Keras'进行比较，Keras'在Hello GPhilo中找到。我在虚拟环境中运行它，一切都应该是干净的（如果这是您的意思）。此外，我尝试将loss函数更改为
return 1
，但仍然没有任何更改。我将发布整个模型创建代码，以便在那里找到一些奇怪的东西。对不起，我是说一个干净的解释器（即，在限制解释器后，新的
python
交互式会话，以确保函数
my_mae
确实是您显示的函数，而不是先前执行的拒绝）.更改为
return 1
不会改变任何东西，这让我怀疑您的函数是否运行了。模型创建代码本身并不重要，我看到的对我来说是正确的..我在PyCharm中工作，每次按“run”我都非常确定它重新初始化了解释器和所有的东西。我尝试了一些东西：我没有使用这个
build\u model
函数，而是创建了一个新的
get\u basic\u model
函数，在这里我硬编码了所有东西（架构、网络等）这意味着当我调用build model时会发生一些事情。如果我发现了错误，我会让你保持更新。是的，我应该想到这一点！让我发布一个快速的答案，这样我可以正确地格式化所有内容。
hidden = Dense(nneurons,
               activation=hidden_act,
               kernel_regularizer=regularizer,   # <<<<<<<<<<
               name='dense{}'.format(i))(hidden)