如何在自定义指标中获取会话？答案

【问题标题】：How to get a session in a custom defined metric?如何在自定义指标中获取会话？
【发布时间】：2019-02-12 13:08:27
【问题描述】：

我正在尝试在 Keras 中运行自定义指标。我成功了，但我不相信它的结果，所以我想检查一些值。麻烦的是一切都在张量中，我想将它们转换为 ndarrays 以检查它们。要转换它们，我必须有一个会话来评估它们。当我尝试使用 Keras 后端进行会话时，出现错误：

InvalidArgumentError（参见上面的回溯）：您必须为占位符张量“Dense_1_target_1”提供一个值，其 dtype 为 float 和 shape [?,?] [[节点：Dense_1_target_1 = Placeholderdtype=DT_FLOAT, shape=[?,?], _device="/job:localhost/replica:0/task:0/device:GPU:0"]]

我唯一想要的是能够打印一些关于张量的信息：值、形状等。

from keras import backend as K

def t_zeros(Y_true, y_pred):
""" Just count # zero's in Y_true and try to print some info """
    threshold = 0.5
    true_zeros = K.less(Y_true, threshold) # element-wise True where Y_true < theshold
    true_zeros = K.cast(true_zeros, K.floatx())  # cast to 0.0 / 1.0
    n_zeros = K.sum(true_zeros)

    sess = K.get_session()
    y_t = Y_true.eval(session=sess) # <== error happens here
    print(y_t.shape)

    return n_zeros

【问题讨论】：

标签： python tensorflow keras metrics

【解决方案1】：

请记住，tensorflow 使用延迟评估。

所以你不能print 函数中的值。您需要创建一个打印节点并将其连接到整个图形中。

类似的东西

def t_zeros(Y_true, y_pred):
""" Just count # zero's in Y_true and try to print some info """
    threshold = 0.5
    true_zeros = K.less(Y_true, threshold) # element-wise True where Y_true < theshold
    true_zeros = K.cast(true_zeros, K.floatx())  # cast to 0.0 / 1.0
    n_zeros = K.sum(true_zeros)

    return tf.Print(n_zeros, [n_zeros]) 

... 
my_metric = t_zeros(Y_true, y_pred)  # Returns the tensor, but we need to make sure it's evaluated
...
train_op = tf.group(train_op, my_metric)

如果您愿意，您可以将其连接到其他操作，只要确保它得到评估即可。

【讨论】：

我知道这一点，这正是我想将其转换为 numpy 数组的原因。这需要访问会话。这就是我想访问 tf.Session 的原因。

【解决方案2】：

如果您不介意使用 Tensorflow，您可以使用 tf.py_func 或其更现代的版本 tf.py_function 通过传递您拥有的任何张量来调用 python 函数，而无需会话。 (Tensorflow Documentation)。

您传递给函数的张量预计会变成numpy 数据/数组。 py_func 和 py_function 之间的唯一区别是，py_func 张量自动转换为 numpy 数组，而 py_function 仍然是张量，您必须手动调用 .numpy()。

Tensorflow 会为您将此调用添加到图形执行中。

from keras import backend as K
import tensorflow as tf

def t_zeros(Y_true, y_pred):
""" Just count # zero's in Y_true and try to print some info """
    threshold = 0.5
    true_zeros = K.less(Y_true, threshold) # element-wise True where Y_true < theshold
    true_zeros = K.cast(true_zeros, K.floatx())  # cast to 0.0 / 1.0
    n_zeros = K.sum(true_zeros)

    result = tf.py_function(some_function, [Y_true], [tf.float64, tf.int32]) # where the last argument
    # is an array representing the return type(s) of `some_function()`.
    # If `some_function` returns nothing, then you can do
    # tf.py_function(some_function, [Y_true], [])

    return n_zeros

def some_function(input):
    '''
    If you called this through py_func, the inputs are already numpy arrays,
    if you called through py_function, they're Tensors and you have to call
    input.numpy().
    '''
    input = input.numpy()
    print(input)

【讨论】：