减少固定 TF 估计器的损失答案

【问题标题】：Loss reduction in canned TF estimators减少固定 TF 估计器的损失
【发布时间】：2019-12-16 01:09:35
【问题描述】：

我使用 TensorFlow 预设估算器 (LinearClassifier) 从最有利于得分的情况中预测游戏动作。分数包含在train_data 中，并用作权重并作为权重列传递给估算器。

我知道权重值乘以损失（在这种情况下为 MSE），但我想知道损失最小化是否已完成，或者我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),

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))

【问题讨论】：

@Stewart_R ：“完全不知道你的意思是什么”。此处描述link。最小化操作呢？是否在罐装估算器中实施了减损操作？
是的，没错：canned estimator 只是获取优化器对象并在内部处理最小化操作。
更新了答案以澄清这一点 - 我打算第一次传达这一点，但在重读时我可能会更清楚。 :-)

标签： tensorflow classification minimize loss

【解决方案1】：

完全不明白你的意思：

我知道权重值乘以损失

但是分类器行是正确的，因为你有它。您应该将 Optimizer 对象传递给分类器，而不是 .minimize() 操作。估算器将在内部生成并处理最小化操作。

【讨论】：