Es wurde nichts berechnet, weil Sie die Tensoren in der Grafik anzeigen, bevor Daten durch sie geleitet wurden. Lassen Sie uns sagen
sce = tf.losses.softmax_cross_entropy_loss(input)
Dann tatsächlich den Verlust Wert, den Sie in sie füttern Daten erhalten
mit
sess = tf.Session()
...
loss = sess.run(sce, feed_dict)
wo feed_dict das Wörterbuch für Ihre Daten. Der Verlust gibt nun den tatsächlichen numerischen Verlustwert zurück.
value
ist nur ein Indikator für die Gruppe von Berechnungen, denen der Wert gehört. Zum Beispiel: tf.reduce_mean
gibt tf.Tensor 'Mean_1:0' shape=() dtype=float32
zurück, weil es sich um eine Mittelwertberechnung handelt. Die 0 bedeutet nicht, dass ihr aktueller Wert 0 ist, sie wird nur für die Indexierung verwendet.
Zusätzlich ist Ihre Tensorform ()
, da der einzelne Verlustwert keine Stapelgröße, x- oder y-Richtung oder Kanäle hat (vorausgesetzt, Sie arbeiten mit 4D-Tensoren), so dass auch dies in Ordnung ist.