如何在 TensorFlow 中迭代张量的元素？答案

【问题标题】：How to iterate over the elements of a tensor in TensorFlow?如何在 TensorFlow 中迭代张量的元素？
【发布时间】：2017-03-05 17:06:57
【问题描述】：

我编写了一个神经网络，它为每个输入样本返回一个包含 3 个数字的列表。然后从实际值中减去这些值以获得差值。

例如，

actual    = [1,2,3]  
predicted = [0,0,1]  
diff      = [1,2,2]

所以我的张量现在的形状是 [batch_size, 3] 我想要做的是迭代张量元素来构建我的损失函数。
例如，如果我的 batch_size 是 2，最后是

diff = [[a,b,c],[d,e,f]]

我希望损失是

Loss = mean(sqrt(a^2+b^2+c^2), sqrt(d^2+e^2+f^2))

我知道 TensorFlow 有一个 tf.nn.l2_loss() 函数来计算整个张量的 L2 损失。但我想要的是张量元素沿某个轴的 l2 损失的平均值。
我该怎么做？

【问题讨论】：

这里有一个专业提示，使用 numpy 函数（如 np.mean、np.sum 等）在虚拟数据上构建损失函数，并使用轴参数对批次进行操作，例如：np.mean(array,轴=1）。然后换成 Franck 的答案中等效的 tensorflow 函数。
会记住的。谢谢！

【解决方案1】：

您可以使用tf.sqrt，后跟tf.reduce_sum 和tf.reduce_mean。 tf.reduce_sum 和 tf.reduce_mean 都有一个 axis 参数，指示要减少哪些维度。

【讨论】：