Question

我尝试将2个损失函数作为Keras allows that.传递给模型

loss：字符串（目标函数的名称）或目标函数或损失实例。见损失。如果模型有多个输出，则可以通过传递字典或列表对每个输出使用不同的损失损失。模型将使损失值最小化然后是所有个人损失的总和。

两个损失函数：

def l_2nd(beta):
    def loss_2nd(y_true, y_pred):
        ...
        return K.mean(t)

    return loss_2nd

和

def l_1st(alpha):
    def loss_1st(y_true, y_pred):
        ...
        return alpha * 2 * tf.linalg.trace(tf.matmul(tf.matmul(Y, L, transpose_a=True), Y)) / batch_size

    return loss_1st

然后我建立模型：

l2 = K.eval(l_2nd(self.beta))
l1 = K.eval(l_1st(self.alpha))
self.model.compile(opt, [l2, l1])

我训练时会产生错误：

1.15.0-rc3警告：tensorflow：来自/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py:1630：   调用BaseResourceVariable。初始化（来自   具有约束的tensorflow.python.ops.resource_variable_ops）是   已过时，将在以后的版本中删除。有关说明

更新：如果使用Keras，则将* _constraint参数传递给图层。

NotImplementedError错误回溯（最近的调用   最后）在（）        47 create_using = nx.DiGraph（），nodetype = None，data = [（'weight'，int）]）        48   ---> 49模型= SDNE（G，hidden_size = [256，128]，）        50 model.train（batch_size = 100，epochs = 40，verbose = 2）        51个嵌入= model.get_embeddings（）

在 init （自身，图形，   hidden_size，alpha，beta，nu1，nu2）        72 self.A，self.L = self._create_A_L（        73 self.graph，self.node2idx）＃调整矩阵，L矩阵   ---> 74 self.reset_model（）        75 self.inputs = [self.A，self.L]        76 self._embeddings = {}

在reset_model（自我，选择）中

---> 84 self.model.compile（opt，loss = [l2，l1]）        85 self.get_embeddings（）        86

/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/training/tracking/base.py   在_method_wrapper中（self，* args，** kwargs）       455 self._self_setattr_tracking = False＃pylint：disable =受保护的访问       456尝试：   -> 457 result = method（self，* args，** kwargs）       458最后：       459 self._self_setattr_tracking = previous_value＃pylint：disable =受保护的访问

NotImplementedError：无法转换符号张量（2nd_target：0）   到一个numpy数组。

请帮助，谢谢！

Answer 1

对我来说，问题发生在从 numpy 1.19 升级到 1.20 并使用 ray 的 RLlib，它在内部使用 tensorflow 2.2。简单地降级

pip install numpy==1.19.5

解决了问题；错误不再发生。

Answer 2

这可能是 numpy 版本的问题。尝试使用小于 1.20 的 numpy

pip install numpy==1.19

Answer 3

我找到了解决此问题的方法：

这是因为我将符号张量与非符号类型（例如numpy）混合使用。例如。不建议有这样的东西：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = np.ones_like(y_true) #numpy array here is not recommended
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

相反，您应该将所有像这样转换为符号张量：

def my_mse_loss_b(b):
     def mseb(y_true, y_pred):
         ...
         a = K.ones_like(y_true) #use Keras instead so they are all symbolic
         return K.mean(K.square(y_pred - y_true)) + a
     return mseb

希望获得帮助！

Answer 4

转到 Anaconda 导航器
找到你安装的包 (numpy)
点击包裹左侧的绿色钩子
“标记特定版本安装”
选择版本，应用

NotImplementedError：无法将符号张量（2nd_target：0）转换为numpy数组

更新：如果使用Keras，则将* _constraint参数传递给图层。

4 个答案: