我正在尝试使用TensorFlow 2.0为Keras模型编写自定义损失函数。我按照类似答案中的说明进行操作,以使输入层进入损耗函数,如
这里
Keras custom loss function: Accessing current input pattern
在这里
但是我还想将第二个模型的输出添加到损失函数中。
错误似乎来自v.predict(x)。起初TensorFlow给出了类似的错误
ValueError:将数据张量用作模型的输入时,应指定steps
参数。
所以我尝试添加步骤arg v.predict(x,steps = n),其中n是一些整数,我得到 AttributeError:“ Tensor”对象没有属性“ numpy”
X =一些np.random数组 Y = X加上噪声的某些函数
def build_model():
il = tf.keras.Input(shape=(2,),dtype=tf.float32)
outl = kl.Dense(100,activation='relu')(il)
outl = kl.Dense(50,activation='relu')(outl)
outl = kl.Dense(1)(outl)
return il,outl
def f(X,a):
return (X[:,0:1] + theta*a)*a
def F(x,a):
eps = tf.random.normal(tf.shape(x),mean=loc,stddev=scale)[:,0:1]
z = tf.stack([x[:,0:1] + theta*a + eps,x[:,1:] - a],axis=1)[:,:,0]
return z
def c_loss(x=None,v=None):
def loss(y_true,y_pred):
xp = F(x,y_pred)
return kb.mean(f(x,y_pred) + v.predict(xp))
return loss
v_in,v_out = build_model()
v_model = tf.keras.Model(inputs=v_in,outputs=v_out)
v_model.compile(tf.keras.optimizers.Adam(),loss='mean_squared_error')
v_model.fit(x=X,y=Y)
c_in,c_out = build_model()
c_model = tf.keras.Model(inputs=c_in,outputs=c_out)
c_model.compile(tf.keras.optimizers.Adam(),loss=c_loss(x=c_in,v=v_model))
c_model.fit(x=X,y=Y_dummy)
理想情况下,我只是希望调用c_model.fit()来构建神经网络,以最小化功能f(x,a)+ v(x)。
答案 0 :(得分:0)
我找到了答案here。我遇到了“步骤”错误,但实际的问题是“ numpy”错误。我在程序的开头添加了tf.enable_eager_execution()
来照顾它。