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))
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))
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。
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