tf.losses 模块-优快云博客

本文详细介绍了TensorFlow的tf.losses模块，包括常用的损失函数如absolute_difference、hinge_loss、softmax_cross_entropy等，并以softmax_cross_entropy为例，解释了参数含义和使用方法，特别提到了label_smoothing和reduction参数的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

写在前面

本文是介绍tf.losses 模块（实际就是对tf.nn.下面的loss函数的高级封装）。之前本人常用slim.losses.XXX()，但强迫症发作受不每次都提示：

"2016-12-30. Use tf.losses.sigmoid_cross_entropy instead."
"2016-12-30. "Use tf.losses.softmax_cross_entropy instead." 
......

于是乎换了tf.losses. 下的loss实现函数，刚用还是遇到坑，故写此文，总结下经验，如有错误，欢迎指正。

正文

首先放出tensorflow的官方的api：官网API

此模块下主要的Functions有：

absolute_difference(): 为训练过程添加一个“绝对差异”loss，其实就是做差后取绝对值作为loss。

add_loss(): 为loss集合添加额外定义的loss。

compute_weighted_loss(): 计算加权loss。

cosine_distance(): Adds a cosine-distance loss to the training procedure. (deprecated arguments)

get_losses(): 从loss集合中获取loss列表。

get_regularization_loss(): 获取整体的正则化loss。

get_regularization_losses(): 获得正则化loss列表。

get_total_loss(): 返回其值表示总损失的张量。

hinge_loss(): 为训练过程添加一个hinge los