使用 Keras 在自定义损失函数中索引张量答案

【问题标题】：Indexing tensors in custom loss function with Keras使用 Keras 在自定义损失函数中索引张量
【发布时间】：2020-05-30 07:35:43
【问题描述】：

我在Keras 中使用了自定义损失函数。这是函数：

def custom_loss(groups_id_count):
  def listnet_loss(real_labels, predicted_labels):
    losses = tf.placeholder(shape=[None], dtype=tf.float32) # Tensor of rank 1
    for group in groups_id_count:
      start_range = 0
      end_range = (start_range + group[1])
      batch_real_labels = tf.slice(real_labels, [start_range, 1, None], [end_range, 1, None])
      batch_predicted_labels = tf.slice(predicted_labels, [start_range, 0, 0], [end_range, 0, 0])
      loss = -K.sum(get_top_one_probability(batch_real_labels)) * tf.math.log(get_top_one_probability(batch_predicted_labels))
      losses = tf.concat([losses, loss], axis=0)
      start_range = end_range
    return K.mean(losses)
  return listnet_loss

我会从start_range 到end_range 得到real_labels 和predicted_labelsitems，但当前代码返回异常：

错误：

TypeError: Failed to convert object of type <class 'list'> to Tensor.
Contents: [0, 1, None]. Consider casting elements to a supported type.

我不知道该怎么办，因为这是我第一次接触TensorFlow和Keras。如何使用张量索引获取项目？提前致谢。

【问题讨论】：

嗨@pairon，请提供最低可重现代码。

标签： python tensorflow keras tensor

【解决方案1】：

错误是由于tf.placeholder中指定的Noneshape，并且它正在发生在该行中，

  batch_real_labels = tf.slice(real_labels, [start_range, 1, None], [end_range, 1, None])

解决方案是将variable 定义为placeholder 的shape，并使用variable 而不是None。

相同的代码如下所示：

h = tf.shape(losses)[0]
batch_real_labels = tf.slice(real_labels, [start_range, 1, h], [end_range, 1, h])

此解决方法将修复错误，TypeError: Failed to convert object of type <class 'list'> to Tensor. Contents: [0, 1, None]. Consider casting elements to a supported type.，但后续代码行可能会导致其他错误。

如果您遇到任何其他错误，请分享error，包括函数get_top_one_probability 的完整代码以及使用该函数要实现的目标custom_loss，我很乐意为您提供帮助.

刚接触Tensorflow和Keras，祝你学习愉快！

【讨论】：

【解决方案2】：

请使用后端函数K.reshape根据自己的知识对输入标签和输入预测进行重塑。

对于标签，输入是未定义的（？，？），因此您需要通过重塑它来修复它。否则，您无法对其进行索引。

【讨论】：