Tensorflow 罐装TF估计中的损失减少

我使用TensorFlow罐装估计器（

LinearClassifier

）从有利于最佳得分的情况预测游戏行为。分数包含在

训练数据中，用作权重，并在估计器中作为权重列传递

我知道权重值与损失相乘（在本例中为MSE），但我想知道是否实现了损失最小化，或者是否必须将优化器定义为：

optimizer=tf.train.AdamOptimizer(learning_rate=0.001, beta1= 0.9,beta2=0.99, epsilon = 1e-08,use_locking=False).minimize(loss),

一点也不确定你说的是什么意思：

我知道重量值与损失相乘

但是分类器行是正确的。您应该将优化器对象传递给分类器，而不是
.minimize（）
操作。估计器将在内部生成并处理最小化操作。
@Stewart\u R：“根本不确定您的意思。”。这里描述。最小化操作怎么样？在固定估计器中是否实施了损失减少操作？是的，这是正确的：固定估计器只接受优化对象，并在内部处理最小化操作。更新的答案澄清了这一点-我本打算第一次转达，但重读时我本可以更清楚地回答。：-）
model = tf.estimator.LinearClassifier(feature_columns=feature_columns,
                                    optimizer=tf.train.AdamOptimizer(learning_rate=0.001, beta1= 0.9,beta2=0.99, epsilon = 1e-08,use_locking=False),
                                    weight_column=weights,
#                                    dropout=0.1,
#                                    activation_fn=tf.nn.softmax,
                                    n_classes=10,
                                    label_vocabulary=Action_vocab,
                                    model_dir='./Models/ActionPlayerModel20/',
                                    loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE,
                                    config=tf.estimator.RunConfig().replace(save_summary_steps=10))