我遇到一个问题，无论我传入什么标签/预测值，TF.Metrics.Mean_Squared_Error总是返回0值。

以下是复现问题的代码：

a = tf.constant([0,0,0,0])b = tf.constant([1,1,1,1])mse, update = tf.metrics.mean_squared_error(a,b)sess = tf.Session()sess.run(tf.global_variables_initializer())sess.run(tf.local_variables_initializer())mse.eval(session=sess) 

%% 返回0.0

回答：

我不知道为什么会这样，但实际上你需要先运行update，mse的内部状态才会考虑你的数据：

a = tf.constant([0,0,0,0])b = tf.constant([1,1,1,1])mse, update = tf.metrics.mean_squared_error(a,b)sess = tf.Session()sess.run(tf.global_variables_initializer())sess.run(tf.local_variables_initializer())mse.eval(session=sess) # 返回0.0，初始的MSE值update.eval(session=sess) # 返回1.0，更新的mse值update.eval(session=sess) # 返回1.0，这是0.0+1.0，更新后的mse值

tf.metrics.mean_squared_error() 旨在计算整个数据集的MSE，例如，如果你想要独立批次的结果，你不应该使用它。对于这种情况，你可以使用tf.losses.mean_squared_error(a, b, loss_collection=None)。