“ LookupError：函数__class__不存在。”使用tf.function时

Question

我试图用WebAssembly二进制文件中抽象的自定义函数覆盖keras / tf2.0损失函数。这是相关的代码。

@tf.function
def custom_loss(y_true, y_pred):
    return tf.constant(instance.exports.loss(y_true, y_pred))

我正在用这种方式

model.compile(optimizer_obj, loss=custom_loss)
# and then model.fit(...)

我不确定tf2.0渴望执行的工作方式，因此对此有任何见解会很有用。

我认为instance.exports.loss函数与该错误无关，但是，如果您确定其他一切都没问题，请告诉我，我将分享其他详细信息。

这是一个堆栈跟踪和实际错误： https://pastebin.com/6YtH75ay

Answer 1

首先，您不需要使用@tf.function来定义自定义损失。

我们可以很高兴（如果毫无意义）做这样的事情：

def custom_loss(y_true, y_pred):
  return tf.reduce_mean(y_pred)

model.compile(optimizer='adam',
              loss=custom_loss,
              metrics=['accuracy'])

只要我们在custom_loss内部使用的所有操作都可以通过张量流区分

因此您可以删除@tf.function装饰器，但是我怀疑您随后会遇到类似以下的错误消息：

[Some trace info] - Please make sure that all of your ops have a gradient defined (i.e. are differentiable). Common ops without gradient: K.argmax, K.round, K.eval.

因为张量流无法在webassembly二进制文件中找到函数的梯度。损失函数中的所有内容都必须是张量流可以理解和计算的梯度，否则它将无法针对较低的损失值进行优化。

也许最好的方法是使用tensorflow可以计算梯度的操作而不是直接引用它来复制instance.exports.loss内部的功能？