Question

我有一个用tensorflow编写的损失函数，它在y_in中获得3个值，在y_pred中获得3个值。

张量流失的伪代码：

def my_loss(y_in,y_pred):
 with tf.name_scope('loss_scope'): 
    loss1 = tf.reduce_mean(...)
    loss2 = tf.reduce_mean(...)
    loss3 = tf.reduce_mean(...)
 return loss1,loss2,loss3

现在我想在我的keras模型中使用这种损失，我只想这样试试：

...
out = Dense(3,activation='linear')(con_res)
model = Model(inputs=[In1,In2],output = out)
model.compile(optimizer='rmsprop',loss=my_loss)

其中con_res是之前网络的结果。然后在Dense - Layer的帮助下，它将减少到3个输出。

发生以下错误：

文件   “/usr/local/lib/python2.7/dist-packages/keras/engine/training.py”   第910行，编译中       sample_weight，mask）

文件   “/usr/local/lib/python2.7/dist-packages/keras/engine/training.py”   第447行，加权       ndim = K.ndim（score_array）

文件   “/usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py”   第479行，在ndim       dims = x.get_shape（）._ dims

AttributeError：'tuple'对象没有属性'get_shape'

显示的回溯发生在.compile函数之后。

我尝试了一个交叉熵丢失并没有抛出任何错误

Answer 1

你的函数my_loss()应该返回一个张量。不是一个元组。

您可以使用将三个张量(loss1,loss2,loss3)叠加到单个张量中 tf.stack()。

将Tensorflow中写入的移植丢失函数转换为Keras会导致AttributeError

1 个答案: