Способ реализовать это в TF - tf.sqrt(tf.reduce_mean(tf.squared_difference(Y1, Y2))).
Важно помнить, что нет необходимости сводить к минимуму потери RMSE с помощью оптимизатора. С тем же результатом вы можете свести к минимуму только tf.reduce_mean(tf.squared_difference(Y1, Y2)) или даже tf.reduce_sum(tf.squared_difference(Y1, Y2)), но поскольку у них меньший график операций, они будут оптимизированы быстрее.
Но вы можете использовать эту функцию, если вы просто хотите узнать значение RMSE.
Ответ 3
(1) Вы уверены, что вам это нужно? Минимизация l2 loss даст вам тот же результат, что и минимизация ошибки RMSE. (Пройдите по математике: вам не нужно принимать квадратный корень, так как минимизация x ^ 2 все еще минимизирует x при x > 0, и вы знаете, что сумма кучки квадратов положительна. Минимизация x * n минимизирует x для константы n).
(2) Если вам нужно знать числовое значение ошибки RMSE, тогда реализуйте его непосредственно из определения RMSE:
tf.sqrt(tf.reduce_sum(...)/n)
(Вам нужно знать или рассчитать n - количество элементов в сумме и правильно установить ось редукции в вызове reduce_sum).