将自定义损失添加到 eval_metric_ops答案

【问题标题】：add custom loss to eval_metric_ops将自定义损失添加到 eval_metric_ops
【发布时间】：2017-08-17 03:18:07
【问题描述】：

我已经使用sequence_loss定义了我自己的损失函数

loss = tf.contrib.legacy_seq2seq.sequence_loss(logits, labels, weights)

我希望将其添加到 eval_metric_ops 中，以便在我的 ML 引擎包中我可以在 tensorboard 中连续显示评估损失（默认值只是准确性）。我尝试将其添加为自定义 eval_metric_ops

eval_metric_ops = {
    'loss': loss # this has already been coputed for Modes.EVAL
}

但是，我收到错误“TypeError：eval_metric_ops 的值必须是 (metric_value, update_op) 元组，给定：Tensor("sequence_loss/truediv:0", shape=(), dtype=float32) for key: loss" -- 我需要做什么才能将损失作为 eval_metric_op 传递？我猜我当前的loss应该是metric值，但是不知道update_op应该是什么？

【问题讨论】：

标签： python tensorflow google-cloud-ml-engine

【解决方案1】：

您的情况下的度量函数可以使用tf.metrics 使用损失的移动平均值来实现：

def metric_fn(labels, predict):
   loss = tf.contrib.legacy_seq2seq.sequence_loss(logits, labels, weights)
   mean, op = tf.metrics.mean(loss)
   return mean, op

【讨论】：

我相信tf.contrib.metrics.streaming_mean 函数会自动执行此操作。不过，它在 contrib 中，所以用户要小心。
@EliBixby 的功能不是和tf.metrics.mean 一样吗？我还没有检查源，但它具有相同的参数和返回。