Python Keras的MSE损失函数显示不同的输出，然后Tensorflow的MSE度量？

我正在训练一个在最后一层连续输出的卷积网络。最后一层有4个节点。我使用均方误差作为损失函数。作为检查，我使用了Tensorflow的均方误差。对于第一个时代的第一批人来说，这只给出了相同的结果。因此，我的问题是，为什么这些不同？我使用了最大池的卷积层，最后我将其展平并使用了dropout

此外，我还想知道如何计算4个节点的均方误差？它只是每个节点的均方误差的总和吗？因为当我计算每个节点的均方误差时，没有一个清晰的连接

这是度量标准

def loss(y_true, y_pred):
    loss = tf.metrics.mean_squared_error(y_true, y_pred)[1]
    K.get_session().run(tf.local_variables_initializer())
    return loss

这里我编译了这个模型

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

这是我计算一个节点的均方误差的方法：

def node(y_true, y_pred):
    loss = tf.metrics.mean_squared_error(y_true[:,0], y_pred[:,0])[1]
    K.get_session().run(tf.local_variables_initializer())
    return node

这是模型的简化形式：

    width = height = 128
    model = Sequential()

    model.add(Convolution2D(filters=64, kernel_size=(5, 5), activation='relu', padding='same',
                            input_shape=(width, height, 1)))
     model.add(MaxPooling2D(pool_size=(3, 3)))
    model.add(Flatten())
    model.add(Dense(units=256, activation='relu'))
    model.add(Dropout(0.4))
    model.add(Dense(units=4, activation='linear'))

    adam = Adam(lr=0.01, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0) 
    model.compile(loss='mse', optimizer= adam, metrics=[loss,node])

---

您正在返回函数本身

看看你的代码：

def节点（y_true，y_pred）：
损失=tf.度量.均方误差（y_真[：，0]，y_pred[：，0]）[1]
K.get_session（）.run（tf.local_variables_initializer（））
返回节点#这是一个函数名。这应该是“退货损失”

---

首先尝试更正此问题。

什么是“最后一层有4个节点”？代码将是说明性的。我添加了一个简化形式的模型。您是否也可以添加代码，用于检查度量和培训损失中的损失？