machine-learning - 'training loss'在机器学习中意味着什么？

Question

我在tensorflow网站上找到了一些示例代码，如下。

input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x_train}, y_train, batch_size=4, num_epochs=1000)
eval_input_fn = tf.contrib.learn.io.numpy_input_fn({"x":x_eval}, y_eval, batch_size=4, num_epochs=1000)

# We can invoke 1000 training steps by invoking the  method and passing the
# training data set.
estimator.fit(input_fn=input_fn, steps=1000)

# Here we evaluate how well our model did.
train_loss = estimator.evaluate(input_fn=input_fn)
eval_loss = estimator.evaluate(input_fn=eval_input_fn)

print("train loss: %r"% train_loss)
print("eval loss: %r"% eval_loss)

您能让我知道“训练损失”是什么意思吗？

Answer 1

训练损失是训练数据的损失。损失是一个函数，它获取正确的输出和模型输出并计算它们之间的误差。然后根据误差有多大以及哪些元素对误差影响最大，使用损失来调整权重。