Question

我在遍历documentation中的VAE示例之后遇到了这个问题，无法在拟合数据之前对其进行构建。

显然，它会引发以下错误： ValueError: Expected a symbolic Tensors or a callable for the loss value. Please wrap your loss computation in a zero argument `lambda`.

这是一个简单的MWE：

import tensorflow as tf
from tensorflow.keras import layers

class Test(tf.keras.Model):

    def __init__(self, input_dim=784, name='test', **kwargs):
        super(Test, self).__init__(name=name, **kwargs)
        self.dense1 = layers.Dense(input_dim)
        self.dense2 = layers.Dense(input_dim, activation='relu')

    def call(self, inputs):
        y1 = self.dense1(inputs)
        y2 = self.dense2(inputs)
        loss = tf.keras.backend.mean(y2)
        self.add_loss(loss)
        return y1

(x_train, _), _ = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(60000, 784).astype('float32') / 255

train_dataset = tf.data.Dataset.from_tensor_slices(x_train)
train_dataset = train_dataset.shuffle(buffer_size=1024).batch(64)

test = Test()
test.compile(optimizer='adam', loss='mse')

# test.build(input_shape=(64,784)) # --> gives error if uncommented.
# test.summary() # --> gives error if uncommented.
test.fit(x_train, x_train, epochs=3, batch_size=64)  # --> works well.
test.summary() # --> now it works fine.

如果我从模型中删除self.add_loss，则可以正确构建模型。

在build因自定义损失fit设置模型之前，是否有办法self.add_loss()？谢谢！

Answer 1

这似乎是一个已知问题。尝试在此处https://github.com/tensorflow/tensorflow/issues/26274

进行检查

在测试实例上传递样本输入数据即可达到目的。在下面添加行。

const editByID = (id) => {
    return axios.post('http://localhost:8000/getbyID',{ // Add return here
            id:id
        })

...(rest of code)...

这是使用google colab模拟的工作代码

  class readstudent{
  public static List<student> xyz=new List();
  public static void main(String args[])
  {

   }
   public static somemethod()
   {

    }

  }

无法建立自定义损失的自定义Keras模型

1 个答案: