如何获得y_true和y_pred之间差异的水平和垂直梯度？

Question

我想使用Keras定义自定义损失函数，其中包含y_true和y_pred之间差异的梯度。 我发现numpy.gradient可以帮助我获得阵列的梯度。 所以我的损失函数代码的一部分看起来像这样：

def loss(y_true, y_pred):
    d   = y_true - y_pred
    gradient_x = np.gradient(d, axis=0)
    gradient_y = np.gradient(d, axis=1)

但是事实证明d是一个Tensorflow张量类，numpy.gradient无法处理它。 我是Keras和Tensorflow的新手。

还有其他功能可以帮助我做到这一点吗？还是我必须自己计算梯度？<​​/ p>

Answer 1

Tensorflow张量在执行时根本不是数组，它们仅是对正在构建的计算图的引用。您可能需要查看tutorial on how Tensorflow builds graphs。

损失函数有两个问题：首先，在任一轴上塌缩都不会产生标量，因此不可能取导数；其次，np.gradient似乎不存在Tensorflow。

对于第一个问题，您可以通过沿gradient_y或gradient_x的其余轴缩小来解决。我不知道您可能要使用哪个功能，因为我不知道您的应用程序。

第二个问题可以通过两种方式解决：

1. 您可以使用py_func包装np.gradient，但是您打算将其用作损失函数，因此您将希望采用该函数的梯度并定义{{1 }}的通话是complicated。
2. 使用纯Tensorflow编写自己的py_func版本。

例如，这是张量流中的一维np.gradient（ unested ）：

np.gradient