为什么TensorFlow显示的损失不准确？

我正在使用TensorFlow训练一个网络来预测数字列表中的第三个数字。

当我进行训练时，网络似乎训练得很好，并且在训练集和测试集上表现不错。然而，当我自己评估其性能时，它似乎表现得非常差。

例如，训练结束时，TensorFlow表示验证损失为2.1 x 10^(-5)。然而，当我自己计算时，我得到的是0.17 x 10^0。我做错了什么？

以下是可以在Google Colab上运行的代码:

回答：

你忽略了y_test的形状问题。

y_test.numpy().shape(500,) <-- causing the behaviour

只需重新调整形状即可:

val_loss = tf.math.reduce_mean(tf.keras.losses.MSE(y_test.numpy().reshape(-1,1), model.predict(x_test))).numpy()print(val_loss) # 1.1548506e-05

另外:

history.history["val_loss"][-1] # 1.1548506336112041e-05

或者你可以在计算时对两组数据都使用flatten()方法:

val_loss = tf.math.reduce_mean(tf.keras.losses.MSE(y_test.numpy().flatten(), model.predict(x_test).flatten())).numpy()print(val_loss) # 1.1548506e-05

学技术