查看tensorflow文档中的MAE时，我看到tf.metrics.mean_absolute_error将返回：
- mean_absolute_error：表示当前平均值的张量，即total除以count的值。 - update_op：一个操作，适当地增加总数和计数变量，并且其值与mean_absolute_error相匹配。
如何为评估目的实现这一点？如here所述：
mean_absolute_error用于评估，因此它没有梯度。mean_absolute_error还返回一个更新操作（在上面的代码中忽略了），必须使用该操作来更新平均值，因此对于这个函数的梯度的概念并不真正有意义。必须在获取平均值之前调用tf.metrics.mean_absolute_error(pred, y)的更新操作。
我不知道如何处理从mean_absolute_error函数返回的值。有人能写一个简单的例子来说明这个函数吗？非常感谢。
- mean_absolute_error：表示当前平均值的张量，即total除以count的值。 - update_op：一个操作，适当地增加总数和计数变量，并且其值与mean_absolute_error相匹配。
如何为评估目的实现这一点？如here所述：
mean_absolute_error用于评估，因此它没有梯度。mean_absolute_error还返回一个更新操作（在上面的代码中忽略了），必须使用该操作来更新平均值，因此对于这个函数的梯度的概念并不真正有意义。必须在获取平均值之前调用tf.metrics.mean_absolute_error(pred, y)的更新操作。
我不知道如何处理从mean_absolute_error函数返回的值。有人能写一个简单的例子来说明这个函数吗？非常感谢。