机器学习中的“训练损失”是什么意思？

Question

我在tensorflow网站上找到了以下示例代码。

我在tensorflow网站上找到了以下示例代码。

input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x_train}, y_train, batch_size=4, num_epochs=1000)
eval_input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x_eval}, y_eval, batch_size=4, num_epochs=1000)

# We can invoke 1000 training steps by invoking the  method and passing the
# training data set.
estimator.fit(input_fn=input_fn, steps=1000)

# Here we evaluate how well our model did.
train_loss = estimator.evaluate(input_fn=input_fn)
eval_loss = estimator.evaluate(input_fn=eval_input_fn)

print("train loss: %r"% train_loss)
print("eval loss: %r"% eval_loss)

请问"training loss"是什么意思？

- William Anderson

Answer 1

训练损失是针对训练数据的损失。损失是一个函数，它接受正确输出和模型输出，并计算它们之间的误差。然后使用损失来根据错误的大小和哪些元素对其产生了最大贡献来调整权重。

- Mihail Burduja