Keras的MSE损失函数显示出与张量流的MSE度量不同的输出？

Question

我正在训练一个在最后一层具有连续输出的卷积网络。最后一层有4个节点。我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。这只给出了第一个纪元第一批的相同结果。所以我的问题是为什么这些不同？我使用了最大池的卷积层，最后我把它展平并使用了dropout。在

此外，我还想知道如何计算4个节点的均方误差？它只是求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，没有明确的联系。在

这是公制。在

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

我在这里编译模型

^{pr2}$

这是我如何计算一个节点的均方误差：

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])