python - 向eval_metric_ops添加自定义损失

我已经使用sequence_loss定义了自己的损失函数

loss = tf.contrib.legacy_seq2seq.sequence_loss(logits, labels, weights)

我希望将其添加到eval_metric_ops中，以便在我的ML引擎程序包中可以连续在tensorboard中显示评估损失（默认只是准确性）。我尝试将其作为自定义eval_metric_ops添加

eval_metric_ops = {
    'loss': loss # this has already been coputed for Modes.EVAL
}

但是，我收到错误消息“ TypeError：eval_metric_ops的值必须为（metric_value，update_op）元组，给定：Tensor（“ sequence_loss / truediv：0”，shape =（），dtype = float32）for key：loss“ –什么我需要做些什么来将损失作为eval_metric_op传递吗？我猜我当前的损失应该是指标值，但是我不确定update_op应该是什么？

最佳答案

您的情况下的度量功能可以使用损耗的移动平均值使用tf.metrics来实现：

def metric_fn(labels, predict):
   loss = tf.contrib.legacy_seq2seq.sequence_loss(logits, labels, weights)
   mean, op = tf.metrics.mean(loss)
   return mean, op

关于python - 向eval_metric_ops添加自定义损失，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45720464/