如何在Tens中设置RMSE成本函数

Question

我在tensorflow中有成本函数。

activation = tf.add(tf.mul(X, W), b)
cost = (tf.pow(Y-y_model, 2)) # use sqr error for cost function

我在试this example。如何将其更改为rmse成本函数？

Answer 1

tf.sqrt(tf.reduce_mean(tf.square(tf.subtract(targets, outputs))))

稍微简化（TensorFlow重载了最重要的运算符）：

tf.sqrt(tf.reduce_mean((targets - outputs)**2))

Answer 2

现在我们有了tf.losses.mean_squared_error

因此

RMSE = tf.sqrt(tf.losses.mean_squared_error(label, prediction))

Answer 3

root mean square error的公式是：

在TF中实现它的方法是tf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2)))。

---

需要记住的重要一点是，没有必要使用优化器将RMSE损失最小化。使用相同的结果，您可以将tf.reduce_mean(tf.squared_difference(Y1, Y2))甚至tf.reduce_sum(tf.squared_difference(Y1, Y2))最小化，但是因为它们有更小的操作图，所以优化速度会更快。

但如果您只想跟踪RMSE的值，则可以使用此函数。