Question

在我进行自动编码器编码练习时，我在Keras模型中使用add_loss函数与在编译函数中使用loss ='mse之类的东西相比，发现了一些奇怪的活动。

在编译函数中使用损耗的同一模型通常需要y_train和y_test（如果我使用validation_data），但是如果我提供y数据（y_train / y_test），则add_loss（mse（inputs，outputs））会发出错误。

这是我为训练mnist编写的简单代码，从28 x 28变平为784暗淡。

示例代码的共同体如下：

encode_dim = 32
inputs = Input(shape=(784,))
encoded = Dense(128, activation='relu')(inputs)
encoded = Dense(64, activation='relu')(encoded)
encoded = Dense(encode_dim, activation='relu')(encoded)

encoder = Model(inputs=inputs, outputs=encoded)
print(encoder.summary())

encoded_inputs = Input(shape=(encode_dim, ))

decoded = Dense(64, activation='relu')(encoded_inputs)
decoded = Dense(128, activation='relu')(decoded)
decoded = Dense(784, activation='sigmoid')(decoded)

decoder = Model(inputs=encoded_inputs, outputs=decoded)
print(decoder.summary())

outputs = decoder(encoder(inputs))
ae = Model(inputs, outputs)
print(ae.summary())

在编译函数中按名称提供损失如下所示：

ae.compile(optimizer='adam', loss='mse')
ae.fit(x_train, y_train, epochs=1, batch_size=256)

会工作， 2.但情况如下：

ae_loss = mse(inputs, outputs)
ae.add_loss(ae_loss )    
ae.compile(optimizer='adam')
ae.fit(x_train, y_train, epochs=1, batch_size=256)

将给出如下错误：

ValueError跟踪（最近的呼叫   最后）         1 deep_vaestyle_model2 = AutoEncoderTester（DeepModelVAEStyle（））         2 deep_vaestyle_model2.train（x_train = x_train_flat，y_train = x_train_flat，x_test = x_test_flat，y_test = x_test_flat，   ----> 3个时代= 1，batch_size = 1024，详细= 1）         4 deep_vaestyle_model2.test（x_test = x_test_flat）

in train（self，x_train，y_train，   x_test，y_test，纪元，batch_size，冗长）        16 histogram_freq = 0，        17 write_graph = True，   ---> 18 write_grads =真，        19＃batch_size =批处理大小，        20＃write_images = True

d：\ igs_projects \ realtime_eeg_analyzer \ venv \ lib \ site-packages \ keras \ engine \ training.py   适合（自我，x，y，batch_size，时代，冗长，回调，   validate_split，validation_data，随机播放，class_weight，   sample_weight，initial_epoch，steps_per_epoch，validation_steps，   ** kwargs）       950 sample_weight = sample_weight，       951 class_weight = class_weight，   -> 952 batch_size =批量大小）       953＃准备验证数据。       954 do_validation = False

d：\ igs_projects \ realtime_eeg_analyzer \ venv \ lib \ site-packages \ keras \ engine \ training.py   在_standardize_user_data（self，x，y，sample_weight，class_weight，   check_array_lengths，batch_size）       787 feed_output_shapes，       788 check_batch_axis = False，＃不强制执行批量大小。   -> 789 exception_prefix ='target'）       790       791＃给定sample_weight和
，生成按样本的权重值
d：\ igs_projects \ realtime_eeg_analyzer \ venv \ lib \ site-packages \ keras \ engine \ training_utils.py   在standardize_input_data（数据，名称，形状，check_batch_axis，   exception_prefix）        61引发ValueError（'检查模型时出错'+        62 exception_prefix +'：'   ---> 63'预期没有数据，但得到：'，数据）        64返回[]        如果数据为None，则为65：

ValueError ：（“检查模型目标时出错：预期没有数据，但是   得到了：'，数组（[[[0.，0.，0.，...，0.，0.，0.]，          [0.，0.，0.，...，0.，0.，0.]，          [0.，0.，0.，...，0.，0.，0.]，          ...，          [0.，0.，0.，...，0.，0.，0.]，          [0.，0.，0.，...，0.，0.，0.]，          [0.，0.，0.，...，0.，0.，0。]]）））

但是如果我将y数据（y_train和y_test）设置为“无”，那么它将按预期运行。

我试图找出原因，使喀拉拉邦认为这两个是不同的，但我没有。有人可以解释吗？

Keras add_loss不适用于Encoder-Decoder模型上的y数据（y_train，y_test）

0 个答案: