Tensorflow 罐装TF估计中的损失减少
我使用TensorFlow罐装估计器(Tensorflow 罐装TF估计中的损失减少,tensorflow,classification,minimize,loss,Tensorflow,Classification,Minimize,Loss,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).m
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))