Question

我使用Keras在Google colaboratory上制作了小模型。而且，当我在TPU上运行学习时，会看到错误的指标。

当我在CPU / GPU上运行学习时，m1和m2指标当然会显示正确的数字。（请参见下面的代码）

但是在将运行时类型更改为TPU后，m1和m2不正确，看起来像是这些值的平均值。

def m1(y_true, y_pred):
    return K.constant(10)

def m2(y_true, y_pred):
    return K.constant(20)

model = AnyModel()
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=[m1, m2])
model.fit(...)

[CPU / GPU的结果]

[=====>....] - ETA: 0s - loss: xxxxx - m1: 10.0000 - m2: 20.0000

[TPU的结果]

[=====>....] - ETA: 0s - loss: xxxxx - m1: 14.9989 - m2: 15.0000

很明显，CPU / GPU的结果是正确的。为什么会这样呢？有什么解决方法吗？

如果我仅使用一个指标（例如[m1]），则该值正确。

Answer 1

现在，它可以工作了！

Tensorflow版本1.14.0-rc1可以正确使用多个指标。我想这是tf或keras的错误，但是现在已经解决了。

（注意：在版本1.14.0-rc1上，不能使用fit_generator！但应尽快解决。）

如果出于某种原因使用tensorflow 1.13或更小版本，请注意此错误，并且只能使用一个度量标准。

是否可以使用多种“正确”的指标来在TPU上进行keras学习？

1 个答案: