Question

我创建了一个自定义损失函数

def customLoss(true, pred) //do_stuff //print(variables) return loss

现在我称编译为model.compile(optimizer='Adamax', loss = customLoss)

编辑：我尝试了tf.Print，这是我的结果。

    def customLoss(params):

        def lossFunc(true, pred):
            true = tf.Print(true, [true.shape],'loss-func') #obviously this won't work because the tensors aren't the same shape; however, this is what I want to do.
            #stuff
            return loss
        return lossFunc

    model = Model(inputs=[inputs], outputs=[outputs])
    parallel_model = multi_gpu_model(model, gpus=8)
    parallel_model.compile(opimizer='Adam', loss = customLoss(params), metrics = [mean_iou)
    history = parallel_model.fit(X_train, Y_train, validation_split=0.25, batch_size = 32, verbose=1)

，输出为

Epoch 1/10
1159/1159 [==============================] - 75s 65ms/step - loss: 0.1051 - mean_iou: 0.4942 - val_loss: 0.0924 - val_mean_iou: 0.6933
Epoch 2/10
1152/1159 [============================>.] - ETA: 0s - loss: 0.0408 - mean_iou: 0.7608

打印语句仍然不打印。我是否缺少某些内容-我对tf.Print的输入是否不合适？

Answer 1

这不是因为Keras会丢弃缓冲区或执行魔术，而是根本不调用它们！调用一次损失函数以构建计算图，然后返回表示损失值的符号张量。 Tensorflow使用它来计算损耗，梯度等。

您可能会反而对tf.Print感兴趣，因为它是空操作，具有打印输出的参数的副作用。由于tf.Print是计算图的一部分，因此也会在训练时运行。从文档中：

打印张量列表。这是一个身份操作（行为类似tf.identity），具有评估时打印数据的副作用。

在Keras中调用model.fit时无法从损失函数运行打印语句

1 个答案: