自定义损失函数训练期间如何在numpy数组上工作

Question

我目前正在使用由tensorflow和keras实现的神经网络，我需要做的是调用一个函数，我无法重新实现它，它可以在numpy数组上而不是在Tensors上工作，我的第一个想法是只调用像这样的.numpy

def loss_gi(y_true, y_pred): # <class 'tensorflow.python.framework.ops.Tensor'>
  x = gamma(np.squeeze(y_true.numpy() , axis=0), np.squeeze(y_pred.numpy() , axis=0)) 
  return np.nansum(x)

with strategy.scope():
  model = hd_unet_model(INPUT_SIZE)
  model.compile(optimizer=Adam(lr=0.001), 
                loss=loss_gi)

伽玛返回体积的地方。
但是在Model.fit期间，如果尝试在Tensor上调用y.numpy，则会收到错误Tensor has no attribute numpy，这是因为.numpy 仅在急切执行中起作用，而在图执行中无效（在至少这是我的理解。）

有人知道一种创建适用于numpy数组的自定义损失函数的方法吗？

Answer 1

损失函数必须在TF中，以便产生梯度。使用Numpy损失函数会破坏TF库作为带张量的张量的整个想法。因此，您的选择是：

1. 使用纯TF作为自定义损失函数。

2. 如果y_true最初是在numpy中-在运行模型之前将y_true转换为TF。