Tensorflow中的外部損失函數

Question

我有一個簡單的2層密集型NN，我想使用回歸模型來計算4個給定的~ 700個圖像特征。 不幸的是，我沒有基本事實要素，因此我使用自定義損失函數。 這是函數的來源：

def loss_function(logits, img, g, compare_img):

    final_img = img_pipeline(vga_8b=img, g=g%external color gamma function%)

    with tf.name_scope('Loss'):
        loss = score(gt_image=compare_img, curr_img=final_img)
        return loss

其中logits是當前評估的4個數字，g只是一個插值函數，用作圖像的顏色伽瑪，img是外部灰度圖像，用於生成用於score函數的最終結果圖像。 compare_img不是真實的圖像，而是評分函數中用於評估當前生成圖像的一些統計值(kept in python dict) 。 不幸的是，我無法提供g和compare_img因為它們是無法轉換為張量的python函數和python字典。

有沒有辦法以某種方式破解它並達到預期的結果？

提前致謝！

Answer 1

您可以在帶有tf.map的tf.map使用外部函數，但我要說的是，這些函數無法通過它計算梯度。 但是損失函數在每種情況下都必須是可導出的。 因此您必須在tensorflow中編寫函數。

對於您的dict值，您可以使用

table = tf.contrib.lookup.HashTable( tf.contrib.lookup.KeyValueTensorInitializer(keys, values), -1)