获取 keras 自定义损失 function 内部的训练数据形状

Question

我已经编写了下面的自定义损失 function，其中我需要通过将输入形状除以 output 形状来创建一个因子。

def distance_loss(x,y):
    x_shape = K.int_shape(x)[1]
    y_shape = K.int_shape(y)[1]
    print(x_shape,y_shape)
    factor = x_shape/y_shape
    loss = tf.sqrt(factor) * tf.norm(x-y)
    return tf.math.abs(loss)

这是 model 架构是：

model = Sequential()
model.add(Dense(32,input_dim=4))
model.add(Dense(64,activation='relu'))
model.add(Dense(128,activation='relu'))
model.add(Dense(64,activation='relu'))
model.add(Dense(2,activation='relu'))
opt = Adam(lr = 0.001)
model.compile(optimizer = opt, loss=distance_loss,metrics=['accuracy'])

当我运行model.compile行时。 自定义损失打印

无 2

并抛出错误

TypeError：不支持的操作数类型/：'NoneType'和'int'

我读到训练数据的输入形状只有在训练阶段才知道。 有没有办法绕过这个问题？

Answer 1

改用K.shape ：

def distance_loss(x,y):
    x_shape = K.shape(x)[1]
    y_shape = K.shape(y)[1]
    factor = K.cast(x_shape, x.dtype) / K.cast(y_shape, y.dtype)
    loss = tf.sqrt(factor) * tf.norm(x-y)
    return tf.math.abs(loss)