在自定义 keras 损失中使用 keras 模型

我有一个名为的常规 keras 模型e我想比较两者的输出y_pred and y_true在我的自定义损失函数中。

from keras import backend as K
def custom_loss(y_true, y_pred):
    return K.mean(K.square(e.predict(y_pred)-e.predict(y_true)), axis=-1)

我收到错误：AttributeError: 'Tensor' object has no attribute 'ndim'这是因为y_true and y_pred都是张量对象并且keras.model.predict预计将通过numpy.array.

知道我如何成功地使用我的keras.model在我的自定义损失函数中？

如果需要的话，我愿意获取指定层的输出，或者转换我的keras.model to a tf.estimator对象（或其他任何东西）。

首先，让我们尝试理解您收到的错误消息：

AttributeError：“张量”对象没有属性“ndim”

我们看一下 Keras 文档，找到predict https://keras.io/models/sequential/#predictKeras模型的方法。我们可以看到函数参数的说明：

x：输入数据，作为 Numpy 数组。

因此，该模型试图获得ndims的财产numpy array，因为它需要一个数组作为输入。另一方面，Keras框架的自定义损失函数得到tensors作为输入。因此，不要在其中编写任何 python 代码 - 它在评估期间永远不会被执行。该函数只是被调用来构建计算图。

好的，现在我们已经了解了该错误消息背后的含义，那么我们如何在自定义损失函数中使用 Keras 模型呢？简单的！我们只需要得到模型的评估图即可。

Update

指某东西的用途global关键字是一种不好的编码习惯。另外，现在到了 2020 年，我们有更好的函数式API https://keras.io/getting-started/functional-api-guide/在 Keras 中，这使得层的 hack 变得不必要。最好使用这样的东西：

from keras import backend as K

def make_custom_loss(model):
    """Creates a loss function that uses `model` for evaluation
    """
    def custom_loss(y_true, y_pred):
        return K.mean(K.square(model(y_pred) - model(y_true)), axis=-1)
    return custom_loss

custom_loss = make_custom_loss(e)

已弃用

尝试这样的事情（仅适用于Sequential模型和非常旧的 API）：

def custom_loss(y_true, y_pred):
    # Your model exists in global scope
    global e

    # Get the layers of your model
    layers = [l for l in e.layers]

    # Construct a graph to evaluate your other model on y_pred
    eval_pred = y_pred
    for i in range(len(layers)):
        eval_pred = layers[i](eval_pred)

    # Construct a graph to evaluate your other model on y_true
    eval_true = y_true
    for i in range(len(layers)):
        eval_true = layers[i](eval_true)

    # Now do what you wanted to do with outputs.
    # Note that we are not returning the values, but a tensor.
    return K.mean(K.square(eval_pred - eval_true), axis=-1)

请注意，上面的代码未经测试。然而，无论实现如何，总体思路都将保持不变：您需要构建一个图，其中y_true and y_pred将流经它到最终的操作。