keras model with tf.contrib.losses.metric_learning.triplet_semihard_loss斷言錯誤

Question

我正在使用帶有anaconda的python 3，並嘗試使用帶有Keras模型的tf.contrib損失函數。

代碼如下

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())

我收到以下錯誤：

文件“/home/user/.local/lib/python3.6/site-packages/keras/engine/training_utils.py”，第404行，加權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斷言lshape.shape == 1 AssertionError

當我使用具有keras損失功能的相同網絡時它工作正常，我試圖將tf loss函數包裝在一個像這樣的函數中

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

仍然得到同樣的錯誤

我在這做錯了什么？

更新：更改func時返回以下內容

return K.categorical_crossentropy(y_true, y_pred)

一切正常！ 但是我無法使用特定的tf損失函數...

當我進入tf.contrib.losses.metric_learning.triplet_semihard_loss並刪除這行代碼時： assert lshape.shape == 1它運行正常

謝謝

Answer 1

問題是您將錯誤的輸入傳遞給損失函數。

根據triplet_semihard_loss docstring，您需要傳遞labels和embeddings 。

所以你的代碼必須是：

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

還有兩個關於嵌入網絡的注釋：

1. 最后的密集層必須沒有激活

2. 不要忘記規范化輸出矢量model.add(Lambda(lambda x: K.l2_normalize(x, axis=1)))

Answer 2

看來您的問題來自丟失函數中的錯誤輸入。 事實上，三重態損失需要參數：

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.

你確定y_true有正確的形狀嗎？ 您能否提供有關您正在使用的張量的更多詳細信息？