Question

Tensorflow可以将validate_shape输入参数设置为False，如果不知道输入大小或在自己的损失函数中定义输入大小的话，可以在此处的文档中看到： https://www.tensorflow.org/api_docs/python/tf/Variable

我想知道是否可以对Keras变量执行相同的操作。我在文档中找不到这样的标志，并且我想知道是否可能，因为在keras文档https://keras.io/backend/

中没有提到此标志

在我的情况下，我有自己的损失函数，它将得到一个numpy数组。

def examplaryLoss(y_target,y_predicted):

  numpy_in_keras = K.variable(y_target)
  return y_predicted - y_target

基于这种损失编译模型：

model.compile(optimizer='nadam',loss=examplaryLoss)

我将得到错误，因为必须指定形状：

ValueError: initial_value must have shape specief: Tensor("dense_6_target_3:=0",shape=(?,?),dtype=float32)

如果我调整损失以使用张量流变量，例如：

def examplaryLoss(y_target,y_predicted):

  numpy_in_keras = tf.Variable(y_target,validate_shape=False)
  return y_predicted - y_target

模型的编译有效，但是当尝试使用

拟合数据时

model.fit(...)

我会收到错误消息：

InvalidArguemntError (see above for traceback): You must feed a value for placeholder tensor 'dense_6_target_4' with dtype float [[Node: dense_6_target_4 = Placeholder[dtype=DT_FLOAT,shape=[],_device="/job:/localhost/replica:0/task:0/gpu:0"]()]]

我认为这是由于导入tensorflow而发生的-现在它希望模型中包含变量，但是这会破坏我的工作流程，因此我需要重新实现很多，所以我想知道是否有更简单的方法告诉Keras，它不应该验证形状，可以在Tensorflow中完成。

我正在使用GTX 1080的Ubuntu 16.04

与Tensorflow相比，Keras中的validate_shape是否等效？

0 个答案: