tf.nn.l2_loss()的用法

l2_loss()这个函数的作用是利用L2范数来计算张量的误差值，但是没有开发并且只取L2范数的值的一半

函数：

tf.nn.l2_loss(

t,

name=None

)

参数：

t：一个张量(tensor)，类型可以为：half, bfloat16, float32, float64

name：op的一个名字，即为这个操作取个名字

作用：使用sqrt计算张量的L2范数的一半

输出：

一个tensor，数据类型和t相同，是一个标量

计算公式：

output = sum(t**2)/2

简单的可以理解成张量中的每一个元素进行平方，然后求和，最后乘一个1/2

l2_loss一般用于优化目标函数中的正则项，防止参数太多复杂容易过拟合(所谓的过拟合问题是指当一个模型很复杂时，它可以很好的“记忆”每一个训练数据中的随机噪声的部分而忘记了要去“学习”训练数据中通用的趋势)

import tensorflow as tf
x = tf.constant([1,2,3],dtype=tf.float32)
with tf.Session() as sess:
    print(sess.run(tf.nn.l2_loss(x)))

1/2(1**2+2**2+3**2) = 1/2(1+4+9) = 7.0

原文地址：https://www.cnblogs.com/tingtin/p/12552026.html