Tensorflow - 总变差损失 - reduce_sum vs reduce_mean？

Question

7

为什么在Tensorflow中总变差损失函数建议使用reduce_sum而不是reduce_mean作为损失函数？

这可以用作优化期间的损失函数，以抑制图像中的噪声。如果您有一批图像，则应将标量损失值计算为总和：
loss = tf.reduce_sum(tf.image.total_variation(images))

- Cypher

2

如果您使用tf.reduce_mean，则损失值将独立于batch_size，这是我理解中的期望效果，但是也许使用tf.reduce_mean会产生过低的损失值，这可能是不希望的效果。 - mrgloom

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Cypher · Accepted Answer

我联系了作者，似乎没有什么重要的原因。他提到reduce_sum在他的测试案例中可能比reduce_mean效果更好，但鼓励我测试两种情况并选择给我最佳结果的那个。