【问题标题】：generative models with tensorflow's tpu_estimator()?具有 tensorflow 的 tpu_estimator() 的生成模型？
【发布时间】：2018-12-09 02:36:10
【问题描述】：

是否可以使用 tensorflow 的 tpu_estimator() 训练生成模型（即具有自定义损失计算的变分自动编码器）？

我的 VAE 的简化版：

模型函数

def model_fn(features, labels, mode, params): 
  #Encoder layers  
  x = layers.Input()  
  h = conv1D()(x)  
  #BOTTLENECK LAYER  
  z_mean = Dense()(h)  
  z_log_var = Dense()(h)  
  def sampling(args):  
    z_mean_, z_log_var_ = args  
    epsilon = tf.random_normal()  
    return z_mean_ + tf.exp(z_log_var_/2)*epsilon  
  z = Lambda(sampling, name='lambda')([z_mean, z_log_var])
  #Decoder Layers
  h = Dense(z)
  x_decoded = TimeDistributed(Dense(activation='softmax'))(h)
  #VAE
  vae = tf.keras.models.Model(x, x_decoded)
  #VAE LOSS
  def vae_loss(x,x_decoded_mean):
    x = flatten(x)
    x_decoded_mean = flatten(x_decoded_mean)
    xent_loss = binary_crossentropy(x, x_decoded_mean)
    kl_loss = mean(1 + z_log_var - square(z_mean) - exp(z_log_var))
    return xent_loss + kl_loss
  optimizer = tf.train.AdamOptimizer()
  optimizer = tpu_optimizer.CrossShardOptimizer(optimizer)
  train_op = optimizer.minimize(vae_loss, global_step=tf.train.get_global_step())
  return tpu_estimator.TPUEstimatorSpec(mode=mode, loss=vae_loss, train_op=train_op)

TPU 配置初始化并使用我的 input_fn 正确加载数据集，但出现以下由自定义损失函数触发的错误：

VAE_LOSS() error:

File "TPUest.py", line 107, in model_fn
train_op = optimizer.minimize(vae_loss, global_step=tf.train.get_global_step())
File "/usr/local/lib/python2.7/dist- packages/tensorflow/python/training/optimizer.py", line 414, in minimize grad_loss=grad_loss)
File "/usr/local/lib/python2.7/distpackages/tensorflow/contrib/tpu/python/tpu/tpu_optimizer.py", line 84, in compute_gradients
loss *= scale
TypeError: unsupported operand type(s) for *=: 'function' and 'float'

【问题讨论】：

这个问题很容易downvoting，因为您没有提供代码示例以及您接下来想要什么。
抱歉，我用我的 VAE 代码和我触发的错误更新了我的帖子

标签： python tensorflow google-cloud-tpu

【解决方案1】：

对 optimizer.minimize 的调用需要有一个损失 Tensor，但您传递的是一个 Python 函数（具有适当输入的函数会评估您想要的结果）。见https://www.tensorflow.org/api_docs/python/tf/train/AdamOptimizer#minimize

你需要做的是在上面的代码中显式地构造 vae_loss 张量。在执行期间，数据将从您的输入层传播到此损失计算。

【讨论】：