Keras 自定义损失函数：形状为batch_size (y_true) 的变量

在 Keras 中实现自定义损失函数时，我需要tf.Variable与我的输入数据的批量大小的形状(y_true, y_pred).

def custom_loss(y_true, y_pred):

    counter = tf.Variable(tf.zeros(K.shape(y_true)[0], dtype=tf.float32))
    ...

但是，这会产生错误：

You must feed a value for placeholder tensor 'dense_17_target' with dtype float and shape [?,?]

如果我将batch_size固定为一个值：

def custom_loss(y_true, y_pred):

    counter = tf.Variable(tf.zeros(batch_size, dtype=tf.float32))
    ...

这样|training_set| % batch_size and |val_set| % batch_size等于零，一切正常。

是否有任何建议，为什么根据输入的形状分配批量大小的变量（y_true and y_pred）不起作用？

SOLUTION

我找到了一个令人满意且有效的解决方案。 我用可能的最大batch_size（在模型构建时指定）初始化了变量，并使用了K.shape(y_true)[0]仅用于切片变量。这样它就完美地工作了。这里是代码：

def custom_loss(y_true, y_pred):
    counter = tf.Variable(tf.zeros(batch_size, dtype=tf.float32))
    ...
    true_counter = counter[:K.shape(y_true)[0]]
    ...

它不起作用，因为K.shape返回一个符号形状，它本身就是一个张量，而不是一个 int 值的元组。要从张量获取值，您必须在会话下对其进行评估。看文档 https://keras.io/backend/#shape为了这。要在评估时间之前获得实际值，请使用K.int_shape: https://keras.io/backend/#int_shape https://keras.io/backend/#int_shape

然而，K.int_shape在这里也不起作用，因为它只是一些静态元数据，通常不会反映当前批量大小，但有一个占位符值None.

您找到的解决方案（控制批量大小并在损失中使用它）确实是一个很好的解决方案。

我认为问题是因为您需要在定义时知道批量大小来构建变量，但只有在会话运行时才会知道它。

如果您像使用张量一样使用它，应该没问题，请参阅此example https://github.com/pierluigiferrari/ssd_keras/blob/master/keras_loss_function/keras_ssd_loss.py#L128.