我遇到错误-“ Tensor”对象没有属性“ log”,我在Keras中编码以构建网络,同时将自定义损失功能应用于Keras。我认为有些我需要摆脱np.log,但不确定如何。请帮助。
导入Numpy
import numpy as np
自定义功能
def rmsle(y_pred,y_test):
return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))
我的网络
def base_model():
model = Sequential()
model.add(Dense(50, input_dim=X_train.shape[1], init='normal', activation='sigmoid'))
model.add(Dropout(0.5))
model.add(Dense(1, init='normal'))
sgd = SGD(lr=0.01, momentum=0.8, decay=0.1, nesterov=False)
model.compile(loss=rmsle, optimizer = sgd)# )'adam') #
return model
keras = KerasRegressor(build_fn=base_model, nb_epoch=80, batch_size=1,verbose=1)
keras.fit(X_train ,y_train)
当我详细检查错误消息时,它表明
424 """
425 # score_array has ndim >= 2
--> 426 score_array = fn(y_true, y_pred)
427 if mask is not None:
428 # Cast the mask to floatX to avoid float64 upcasting in theano
2 #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))
----> 4 return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))
2 #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))
答案 0 :(得分:1)
您必须从后端(即从keras.backend开始)使用有效的张量操作才能定义自定义损失函数。例如,您的损失函数可以定义如下:
import keras.backend as K
def rmsle(y_test, y_pred):
return K.sqrt(K.mean(K.square(K.log(1 + y_pred) - K.log(1 + y_test))))
注意::Keras希望第一个参数为y_test
(别名地面真理)。
答案 1 :(得分:0)
Keras中的Lambda层可帮助您实现未预构建且不需要可训练的权重的功能。因此,您可以自由地实现自己的逻辑,在这种情况下为“ Log”
这也可以使用keras Lambda
层来完成,如下所示:
from keras.layers import Lambda
import keras.backend as K
在这里定义您的功能:
def logFun(x):
return keras.backend.log(x)
然后创建一个lambda层:
model.add(Lambda(logFun, ...))