计算矩阵之间的损失答案

【问题标题】：compute loss between to matrices计算矩阵之间的损失
【发布时间】：2020-07-19 11:33:28
【问题描述】：

在 google 的一篇文章 (EXPLORING TRADEOFFS IN MODELS FOR LOW-LATENCY SPEECH ENHANCEMENT) 中使用这个

损失函数来最小化错误，我已经用Tensorflow在Python中编写了这个函数，

def loss_cal(noise_source, mask, target):
    landa = 0.113
    masked_spec = noise_source*mask
    cc = K.l2_normalize(tf.abs(tf.pow(tf.maximum(1e-4, target), 0.3))-tf.abs(tf.pow(tf.maximum(1e-4, masked_spec), 0.3)))
    cm = K.l2_normalize(tf.math.pow(tf.maximum(1e-4, target), 0.3)-tf.math.pow(tf.maximum(1e-4, masked_spec), 0.3))
    res = tf.math.square(cc)+landa*tf.math.square(cm)
    return res

但它返回一个矩阵，而损失函数必须重新计算一个比例，请纠正我，我的实现是否错误？或者可以训练一个损失为矩阵的模型？

【问题讨论】：

标签： python-3.x machine-learning deep-learning tensorflow2.0 loss-function

【解决方案1】：

您不应该只使用norm，而不是l2_normalize吗？

l2_normalize 返回一个用范数归一化的矩阵。

【讨论】：

但在文章中使用了l2_normalize
@WalidBousseta 在公式中他们使用 2 范数（欧几里得范数），这是 tf.norm 的默认值。它是一个标量。 l2_normalize 使用 2 范数对矩阵进行归一化。