keras model with tf.contrib.losses.metric_learning.triplet_semihard_loss断言错误

Question

我正在使用带有anaconda的python 3，并尝试使用带有Keras模型的tf.contrib损失函数。

代码如下

from keras.layers import Dense, Flatten
from keras.optimizers import Adam
from keras.models import Sequential
from tensorflow.contrib.losses import metric_learning
model = Sequential()
model.add(Flatten(input_shape=input_shape))
model.add(Dense(50,  activation="relu"))
model.compile(loss=metric_learning.triplet_semihard_loss, optimizer=Adam())

我收到以下错误：

文件“/home/user/.local/lib/python3.6/site-packages/keras/engine/training_utils.py”，第404行，加权score_array = fn（y_true，y_pred）文件“/ home / user / anaconda3 /envs/siamese/lib/python3.6/site-packages/tensorflow/contrib/losses/python/metric_learning/metric_loss_ops.py“，第179行，在triplet_semihard_loss断言lshape.shape == 1 AssertionError

当我使用具有keras损失功能的相同网络时它工作正常，我试图将tf loss函数包装在一个像这样的函数中

def func(y_true, y_pred): 
    import tensorflow as tf
    return tf.contrib.losses.metric_learning.triplet_semihard_loss(y_true, y_pred) 

仍然得到同样的错误

我在这做错了什么？

更新：更改func时返回以下内容

return K.categorical_crossentropy(y_true, y_pred)

一切正常！ 但是我无法使用特定的tf损失函数...

当我进入tf.contrib.losses.metric_learning.triplet_semihard_loss并删除这行代码时： assert lshape.shape == 1它运行正常

谢谢

Answer 1

问题是您将错误的输入传递给损失函数。

根据triplet_semihard_loss docstring，您需要传递labels和embeddings 。

所以你的代码必须是：

def func(y, embeddings): 
    return tf.contrib.losses.metric_learning.triplet_semihard_loss(labels=y, embeddings=embeddings) 

还有两个关于嵌入网络的注释：

1. 最后的密集层必须没有激活

2. 不要忘记规范化输出矢量model.add(Lambda(lambda x: K.l2_normalize(x, axis=1)))

Answer 2

看来您的问题来自丢失函数中的错误输入。 事实上，三重态损失需要参数：

Args:
labels: 1-D tf.int32 `Tensor` with shape [batch_size] of
  multiclass integer labels.
embeddings: 2-D float `Tensor` of embedding vectors. Embeddings should
  be l2 normalized.

你确定y_true有正确的形状吗？ 您能否提供有关您正在使用的张量的更多详细信息？