Question

我正在将蟒蛇3与anaconda一起使用，并尝试在Keras模型中使用tf.contrib损失函数。

代码如下

from keras.layers import Dense, Flatten
from keras.optimizers import Adam
from keras.models import Sequential
from tensorflow.contrib.losses import metric_learning
model = Sequential()
model.add(Flatten(input_shape=input_shape))
model.add(Dense(50,  activation="relu"))
model.compile(loss=metric_learning.triplet_semihard_loss, optimizer=Adam())

我收到以下错误：

文件 “ /home/user/.local/lib/python3.6/site-packages/keras/engine/training_utils.py”，第404行，加权后 score_array = fn（y_true，y_pred）文件“ /home/user/anaconda3/envs/siamese/lib/python3.6/site-packages/tensorflow/contrib/losses/python/metric_learning/metric_loss_ops.py”，第179行，在Triplet_semihard_loss中断言lshape.shape == 1 AssertionError

当我使用具有keras损失功能的同一网络时，它可以正常工作，我尝试将tf损失功能包装在这样的功能中

def func(y_true, y_pred): 
    import tensorflow as tf
    return tf.contrib.losses.metric_learning.triplet_semihard_loss(y_true, y_pred)

仍然出现相同的错误

我在这里做错了什么？

更新：更改功能以返回以下

时

return K.categorical_crossentropy(y_true, y_pred)

一切正常！但是我无法使其与特定的tf损失功能一起使用...

当我进入tf.contrib.losses.metric_learning.triplet_semihard_loss并删除以下代码行：assert lshape.shape == 1时，它运行正常

谢谢

Answer 1

问题是您将错误的输入传递给了损失函数。

根据triplet_semihard_loss docstring，您需要传递labels和embeddings。

因此您的代码必须是：

def func(y, embeddings): 
    return tf.contrib.losses.metric_learning.triplet_semihard_loss(labels=y, embeddings=embeddings)

还有两个有关嵌入网络的说明：

最后一个致密层必须没有激活
别忘了标准化输出向量model.add(Lambda(lambda x: K.l2_normalize(x, axis=1)))

Answer 2

您的问题似乎来自丢失函数中的错误输入。实际上，三重态损失需要以下参数：

Ready to exec()... 
Tue Jul 15 20:17:53 UTC 2008

您确定Args: labels: 1-D tf.int32 `Tensor` with shape [batch_size] of multiclass integer labels. embeddings: 2-D float `Tensor` of embedding vectors. Embeddings should be l2 normalized.的形状正确吗？您能为我们提供有关您所使用的张量的更多详细信息吗？

带有tf.contrib.losses.metric_learning.triplet_semihard_loss的keras模型断言错误

2 个答案: