查看Tensorflow关于MAE的文档，我发现 tf.metrics.mean_absolute_error 将返回以下内容：

• mean_absolute_error：一个表示当前平均值的张量，即总和除以计数的值。
• update_op：一个操作，用于适当增加总和和计数变量，其值与mean_absolute_error匹配。

如何实现用于评估目的的MAE？正如这里所述：

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（您在上面的代码中忽略了它），必须使用该操作来更新平均值，因此这个函数的梯度概念并不适用。对于 tf.metrics.mean_absolute_error(pred, y)，必须先调用更新操作才能获得平均值。

我不知道如何处理 mean_absolute_error 函数返回的值。能否有人提供一个使用此函数的简单示例？非常感谢。

回答：

听起来您不确定返回的张量/操作的含义以及如何使用它们。这里有一篇很好的文章解释了如何以及为何使用它们：http://ronny.rest/blog/post_2017_09_11_tf_metrics/

对于一个简单的自包含示例用法，您可以查看测试。例如：https://github.com/tensorflow/tensorflow/blob/cda36b817e9998906da37ec87c525f1b278c71a7/tensorflow/python/kernel_tests/metrics_test.py#L2816