小编Wil*_*son的帖子

我在tensorflow网站上找到了一些示例代码,如下所示.

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)

你能告诉我"训练损失"的含义吗？

有时我对这两个术语感到困惑。所以，我要求澄清这一点。有人说“前馈网络”是典型的神经网络。如果那样的话，“前馈网络”意味着更大的范围，包括“全连接网络”？如果那样的话，RNN 或 CNN 是否也包含在“前馈网络”中？我猜不是..我希望有一个明确的描述。谢谢你。