AttributeError：“张量”对象没有属性“exp”答案

【问题标题】：AttributeError: 'Tensor' object has no attribute 'exp'AttributeError：“张量”对象没有属性“exp”
【发布时间】：2018-07-02 21:42:50
【问题描述】：

我正在尝试使用 Keras 在我用作损失函数的自定义评估指标上训练 LSTM NN。我的神经网络的结构是：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         (None, 15, 1)             0         
_________________________________________________________________
lstm_2 (LSTM)                (None, 20)                1760      
_________________________________________________________________
dense_3 (Dense)              (None, 10)                210       
_________________________________________________________________
dense_4 (Dense)              (None, 1)                 11        
=================================================================

让我给你一些背景信息：我的 NN 生成一个数值数组。这些值已通过一些数学函数进行缩放。为了将其与实际值进行比较，我需要先撤消缩放以将其转换回原始上下文。为此，我创建了函数 decode_output_values：

import numpy as np

[....]

def decode_output_values(pred_scaled,Y_train):
    #Decodes the output values back to the original context
    Y_min = np.nanmin(Y_train)
    Y_max = np.nanmax(Y_train)

    Y_pred = np.exp(pred_scaled*(np.log(Y_max)-np.log(Y_min))+np.log(Y_min))
    return Y_pred

现在输出值已解码，我进行了另一项更改，以便能够将其与测试集中已知的实际输出值进行比较。测试集中的这些实际输出值有很多 NA 值，并且在某些行上只有数值。因此，我只查看具有非 NA 值的行的相应索引，并使用我创建的函数“evaluation_metric”计算这些值之间的 RMSE：

我创建了自己的函数评估指标：

from sklearn.metrics import mean_squared_error
from math import sqrt

[....]

def evaluation_metric(y_true, y_pred_scaled):
    #Convert predictions back to original scale
    y_pred = decode_output_values(y_pred_scaled, Y_train)

    #Get all non-NA values of true values and predictions
    mask = ~np.isnan(y_true)

    y_true = y_true[mask]
    y_pred = y_pred[mask]

    error = sqrt(mean_squared_error(y_true, y_pred))
    return error

当我尝试使用带有以下代码的 Keras 编译模型时：

import keras

[....]

visible = Input(shape=(np.size(X_train_scaled,1),1))
hidden1 = LSTM(20)(visible)
hidden2 = Dense(10, activation='relu')(hidden1)
output = Dense(1, activation='linear')(hidden2)
initial_model = Model(inputs=visible, outputs=output)
initial_model.compile(loss=evaluation_metric, optimizer='rmsprop', metrics=
[evaluation_metric])

我收到以下错误：

AttributeError: 'Tensor' 对象没有属性 'exp'

完整的追溯：

Traceback (most recent call last):

  File "<ipython-input-108-9c67c532405a>", line 1, in <module>
    initial_model.compile(loss=evaluation_metric, optimizer='rmsprop', metrics=[evaluation_metric])

  File "/Users/XX/anaconda3/envs/Research_Paper/lib/python3.6/site-
packages/keras/engine/training.py", line 860, in compile
sample_weight, mask)

  File "/Users/XX/anaconda3/envs/Research_Paper/lib/python3.6/site-
packages/keras/engine/training.py", line 459, in weighted
score_array = fn(y_true, y_pred)

  File "<ipython-input-82-086ae61141e0>", line 3, in evaluation_metric
    y_pred = decode_output_values(y_pred_scaled, Y_train)

  File "<ipython-input-82-086ae61141e0>", line 25, in decode_output_values
    Y_pred = np.exp(pred_scaled*(np.log(Y_max)-np.log(Y_min))+np.log(Y_min))

AttributeError: 'Tensor' object has no attribute 'exp'

我在 MacOS 上使用 Python 3.6 和 Spyder 3.2.6。所有使用的软件包都更新到最新版本。

有人可以帮我解决这个错误吗？

【问题讨论】：

运行这段代码需要很长时间吗？如果没有，请尝试ctrl + . 并重新启动内核。看起来你重新绑定了 np 到 numpy 模块以外的东西，可能在控制台窗口中。
nans 在您的数据中是一个大问题吗？因为如果是 - 尝试使用 keras.backend 函数而不是 numpy 函数。
@roganjosh 它运行时间不长，我立即收到错误消息。
@MarcinMożejko NaN 确实是个大问题，我会尝试像您建议的那样使用 keras.backend 函数
好的，但我问的原因是因为重新启动内核将删除您从运行的部分代码中拥有的任何现有数据。如果重建你所拥有的一切不需要很长时间，我会尝试硬重启。

标签： python keras attributeerror

【解决方案1】：

只需将numpy 更改为keras.backend：

import keras.backend as K

def decode_output_values(pred_scaled,Y_train):
    #Decodes the output values back to the original context
    Y_min = np.nanmin(Y_train)
    Y_max = np.nanmax(Y_train)

    Y_pred = K.exp(pred_scaled*(K.log(Y_max)-K.log(Y_min)) + K.log(Y_min))
    return Y_pred

【讨论】：