使用自定义损失函数在keras顺序模型上编译错误

Question

尝试在Google Colab中为mnist数据集在GPU上编译〜16K参数的CNN模型。 标准损失为'categorical_crossentropy'，它可以正常工作。但是，使用custom_loss会产生错误。

lamda=0.01
m = X_train.shape[0]

def reg_loss(lamda):
  model_layers = custom_model.layers # type list where each el is Conv2D obj etc.
  reg_wts = 0

  for idx, layer in enumerate(model_layers):
    layer_wts = model_layers[idx].get_weights() # type list

    if len(layer_wts) > 0: # activation, dropout layers do not have any weights
      layer_wts = model_layers[idx].get_weights()[0] #ndarray, 3,3,1,16 : layer1 output

      s = np.sum(layer_wts**2)
      reg_wts += s

  print(idx, "reg_wts", reg_wts)    
  return (lamda/(2*m))* reg_wts

reg_loss(lamda)

def custom_loss(y_true, y_pred):
  K.categorical_crossentropy(y_true, y_pred) + reg_loss(lamda)

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

reg_loss返回28个reg_wts 224.11805880069733 1.8676504900058112e-05

编译时出现错误 AttributeError：'NoneType'对象没有属性'get_shape'

Answer 1

custom_loss函数没有return语句。这是一个愚蠢的错误，但是该错误却极具误导性。因此花费了很多时间。