如何在训练过程中处理 numpy arrays function

Question

我目前正在使用 tensorflow 和 keras 实现 neural.network，我需要做的是调用 function，我无法重新实现，它适用于 numpy arrays 而不是 Tensors，我的第一个想法是调用 194698594像这样

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，如果您尝试在 Tensor 上调用y.numpy ，您会收到错误Tensor has no attribute numpy ，这是因为.numpy仅适用于急切执行而不适用于图形执行（至少这是我的理解） .

有谁知道创建自定义损失 function 的方法，该损失适用于 numpy arrays？

Answer 1

损失 function 必须在 TF 中，以便它产生梯度。 使用 Numpy 损失 function 扼杀了 TF 库作为具有梯度的张量的整个想法。 所以你的选择是：

1. 对自定义损失 function 使用纯 TF。

2. 如果 y_true 最初位于 numpy - 在运行 model 之前将 y_true 转换为 TF。