在 TensorFlow 中使用 RMSE 损失时，我收到的损失值非常小，小于 1
When using RMSE loss in TensorFlow I receive very small loss values smalerl than 1
你好，我有一个网络可以生成这样的 logits/输出：
logits = tf.placeholder(tf.float32, [None, 128, 64, 64]) // outputs
y = tf.placeholder(tf.float32, [None, 128, 64, 64]) // ground_truth, targets
--> y ground truth values are downscaled from [0, 255] to [0, 1] 为了增加 perforce 因为我读过最好使用范围 [0, 1]
现在我想像这样计算 RMSE / EuclideanLoss：
loss = tf.reduce_mean(tf.square(logits - y))
或
loss = tf.sqrt(tf.reduce_mean(tf.square(tf.subtract(y, logits))))
不确定哪个更好。
这样做时，我的损失值大约从 1. 开始，然后迅速下降到 2.5e-4。当我在 Caffe 中为同一个网络使用 EuclideanLoss 时，我的损失值大约从 1000 开始下降到 200。我在 Tensorflow 中做错了什么或者为什么损失值那么小？我无法真正跟踪 tensorboard 中的损失值，因为它们太小了。谁能帮帮我？
您建议的第一个损失更好（第二个引入了不必要的 sqrt）。
等于或小于 1 的值似乎是唯一可能的值，因为您提供的值范围在 0 和 1 之间 - 因此最大可能的错误是 1。
如果您无法在 tensorboard 中可视化损失，请尝试使用对数刻度（图表下方的两个按钮之一）显示图表
你好，我有一个网络可以生成这样的 logits/输出：
logits = tf.placeholder(tf.float32, [None, 128, 64, 64]) // outputs
y = tf.placeholder(tf.float32, [None, 128, 64, 64]) // ground_truth, targets
--> y ground truth values are downscaled from [0, 255] to [0, 1] 为了增加 perforce 因为我读过最好使用范围 [0, 1]
现在我想像这样计算 RMSE / EuclideanLoss：
loss = tf.reduce_mean(tf.square(logits - y))
或
loss = tf.sqrt(tf.reduce_mean(tf.square(tf.subtract(y, logits))))
不确定哪个更好。
这样做时，我的损失值大约从 1. 开始，然后迅速下降到 2.5e-4。当我在 Caffe 中为同一个网络使用 EuclideanLoss 时，我的损失值大约从 1000 开始下降到 200。我在 Tensorflow 中做错了什么或者为什么损失值那么小？我无法真正跟踪 tensorboard 中的损失值，因为它们太小了。谁能帮帮我？
您建议的第一个损失更好（第二个引入了不必要的 sqrt）。
等于或小于 1 的值似乎是唯一可能的值，因为您提供的值范围在 0 和 1 之间 - 因此最大可能的错误是 1。
如果您无法在 tensorboard 中可视化损失，请尝试使用对数刻度（图表下方的两个按钮之一）显示图表