当使用Tensorflow Estumator时，它会在python控制台(每100个步骤(上打印全局步骤和损失(此外，它还打印学习率，交叉熵和MAE，这是我的评估指标，它将这3个值打印在不同的行中，我认为这是由于某些包装函数不是原始估算器API的一部分，因为我使用的是Google开发人员的ResNet实现(。它看起来像这样：
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，正在计算什么损失(或正在计算什么MAE(？
是日志记录发生时特定步骤中仅丢失一个示例的损失吗？
是日志记录发生时特定步骤的批次损失吗？
或者也许是整个火车组的损失？
另外，如果我假设有错误，请纠正我。我在这个领域很陌生。
谢谢。
tf.Estimator自动设置损失和全局步长的LoggingTensorHook。据推测，您运行的代码为其他值(学习率、交叉熵(这只是损失(和 MAE(设置了一个单独的钩子，这就是它们打印在单独行上的原因。
至于使用哪些数据来生成值：它是"当前"数据批次，即在完成日志记录的步骤中使用的批次。因此，在您提出的三个选项中，第二个是正确的。
这可以通过源代码进行限制，因为钩子在"运行后"进行日志记录，在run_values中接收最后一次session.run()调用的结果(一次只能获得一个批次(。