验证时eval_loss为何重新定义，以及和total_loss的区别

[haozaiiii]

为什么验证的时候重新定义了eval_loss，原来tatal_loss此时又代表什么呢？ 代码位置如下： elif mode == tf.estimator.ModeKeys.EVAL: # 针对NER ,进行了修改 def metric_fn(label_ids, pred_ids): return { "eval_loss": tf.metrics.mean_squared_error(labels=label_ids, predictions=pred_ids), }

        eval_metrics = metric_fn(label_ids, pred_ids)
        output_spec = tf.estimator.EstimatorSpec(
            mode=mode,
            loss=total_loss,
            eval_metric_ops=eval_metrics
        )

[lotest]

同样的问题，也想请问一下这里的eval loss为什么用的是MSE。 虽然可以衡量eval阶段的loss情况，但是和train阶段的crf_log_likelihood应该不是同一个尺度的？？