在使用Tensorflow Estimator时，它会在Python控制台上每100步打印一次全局步数和损失值（此外，它还会打印学习率、交叉熵和我的评估指标MAE，这些值会被打印在不同的行上，我认为这是由于某些包装函数所致，这些函数并不属于原始的Estimator API，因为我使用的是Google开发者的ResNet实现）。打印内容如下所示：
I0530 19:20:42.748463 10964 tf_logging.py:116] learning_rate = 3.552962e-05, cross_entropy = 2.2080934, MAE = 5.135024 (62.295 sec) I0530 19:20:42.749458 10964 tf_logging.py:116] loss = 2.2080934, step = 76066 (62.295 sec)我的问题是，计算的是什么损失（或者计算的是什么MAE）？
是在特定步骤的日志记录发生时仅针对一个例子的损失吗？
是在特定步骤的日志记录发生时针对一个批次的损失吗？
还是整个训练集的损失？
另外，如果我的假设有误，请纠正我。我在这个领域还是新手。
谢谢。
回答：
tf.Estimator会自动为损失和全局步数设置一个LoggingTensorHook。据推测，你运行的代码为其他值（学习率、交叉熵（这实际上就是损失）和MAE）设置了单独的钩子，这就是为什么它们会被打印在不同的行上。
至于用于生成这些值的数据：它是“当前”的数据批次，即在进行日志记录的步骤中使用的数据批次。因此，在你提出的三个选项中，第二个选项是正确的。
这可以通过源代码确认，因为钩子会在运行后进行日志记录，接收到最后一次session.run()调用的结果（每次只获取一个批次）到run_values中。
