将 numpy 转换为张量（keras）（损失函数）答案

【问题标题】：Translate numpy to tensor (keras) (loss function)将 numpy 转换为张量（keras）（损失函数）
【发布时间】：2020-08-17 09:57:45
【问题描述】：

我正在尝试在以下形状上定义损失函数：(NUM_OF_STROKES, STROKE_LEN, 2) 例如，假设 NUM_OF_STROKES=1，STROKE_LEN=4，它可以是： [[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]]

我希望我的损失函数是两个对应点之间的距离（所有距离的总和）。例如：

p1 = [[[a1,b1], [a2,b2], [a3,b3], [a4,b4]]]
p2 = [[[c1,d1], [c2,d2], [c3,d3], [c4,d4]]]
loss = sqrt((a1-c1)^2 + (b1-d1)^2) + ... + sqrt((a4-c4)^2 + (b4-d4)^2)

在 numpy 中，我可以这样做： np.sum(np.linalg.norm(np.array(p1) - np.array(p2), axis=1))

但我不知道如何在 tensrflow 中做到这一点我正在使用 tensorflow 2 ，keras。

【问题讨论】：

标签： numpy keras tensorflow2.0 tensor loss-function

【解决方案1】：

我认为您正在寻找的是：

tf.keras.backend.sum(tf.sqrt(tf.keras.backend.sum(tf.square(labels - predictions), axis=3)))

axis = 3 用于批处理

【讨论】：