用Tensorflow编写的将损失函数移植到Keras会导致AttributeError

Question

我已经写在tensorflow它得到3个值的损失函数y_in在和3个值y_pred 。

张量流损失的伪代码：

def my_loss(y_in,y_pred):
 with tf.name_scope('loss_scope'): 
    loss1 = tf.reduce_mean(...)
    loss2 = tf.reduce_mean(...)
    loss3 = tf.reduce_mean(...)
 return loss1,loss2,loss3

现在，我想在我的keras模型中使用此损失，我将以这种方式简单地尝试一下：

...
out = Dense(3,activation='linear')(con_res)
model = Model(inputs=[In1,In2],output = out)
model.compile(optimizer='rmsprop',loss=my_loss)

其中con_res是之前网络的结果。 然后在“密集-层”的帮助下，它将减少为3个输出。

发生以下错误：

文件“ /usr/local/lib/python2.7/dist-packages/keras/engine/training.py”，第910行，编译sample_weight，掩码）

文件“ /usr/local/lib/python2.7/dist-packages/keras/engine/training.py”，行447，加权ndim = K.ndim（score_array）

文件“ /usr/local/lib/python2.7/dist-packages/keras/backend/tensorflow_backend.py”，第479行，以ndim dims = x.get_shape（）._ dims

AttributeError：“元组”对象没有属性“ get_shape”

所示的追溯发生在.compile函数之后。

我尝试了交叉熵损失，但没有抛出任何错误

Answer 1

您的函数my_loss()应该返回张量。 不是元组。

您可以使用tf.stack()将三个张量(loss1,loss2,loss3)为一个张量。