训练时损失函数的Tensorflow维度大小/排名问题

Question

我有一个自定义的损失函数，它似乎是有效的（运行这两行时没有错误，如下所示）

alpha_cost = 2 cost = tf.reduce_mean(tf.where(tf.less(Y * out, 0), tf.squeeze((alpha_cost*out)**2 - tf.sign(Y)*out + tf.abs(Y)), tf.squeeze(tf.abs(Y - out))))

但是，当我实际继续进行模型训练（批量大小为 10,000）时，使用此损失函数会产生以下错误...

InvalidArgumentError（参见上面的回溯）：操作的输入 Select_4 类型的 Select 必须具有相同的大小和形状。输入 0： [1,10000] != 输入 1：[10000] [[节点：Select_4 = Select[T=DT_FLOAT， _device="/job:localhost/replica:0/task:0/device:GPU:0"](Less_7, Squeeze_6, Squeeze_7)]]

可能只是需要添加另一个 tf.squeeze 来压缩尺寸...但我尝试了几次，但并没有完全配合，所以这种方法可能存在更大的问题...谢谢求您的帮助！

Answer 1

使用 numpy 模块，

import numpy as np

和定义

input0 = tf.where(tf.less(Y * out, 0)
input1 = tf.squeeze((alpha_cost*out)**2 - tf.sign(Y)*out + tf.abs(Y))

尝试将 input1 从 rank-1 数组重塑为行向量：

input1 = np.reshape(input1, (1, 10000)) 

赋予它与 input0 相同的形状。您可以断言 input1 具有正确的形状：

assert(input1.shape == (1,10000)) 

并检查 input0 和 input1 是否具有相同的尺寸：

assert(input0.shape == input1.shape)