Tensorflow 优化器 - 传递给最小化（）的多个损失值？答案

【问题标题】：Tensorflow Optimizers - multiple loss values passed to minimize()?Tensorflow 优化器 - 传递给最小化（）的多个损失值？
【发布时间】：2017-10-11 02:25:06
【问题描述】：

我第一次在 MNIST 数据集上使用 Tensorflow，我遇到了一个非常简单的错误，我忘记在将错误值传递给优化器之前取其平均值。

换句话说，而不是

loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_))

不小心用了

loss = tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)

但是，在训练网络时，不取误差值的平均值或总和不会引发任何错误。这让我想到：真的存在需要将多个损失值传递给优化器的情况吗？当我将一个大小不为 [1] 的张量传递给最小化（）时发生了什么？

【问题讨论】：

标签： python tensorflow neural-network gradient-descent

【解决方案1】：

他们正在加起来。这是 TensorFlow 使用 Reverse Mode AD 进行微分的副产品，需要 loss 为标量

【讨论】：

所以如果你传递一个张量，你基本上是最小化了张量中所有值的总和？
;;;;;;;;;;;;;;;;;;;;是