创建自定义损失函数，在tensorflow、python中解栈张量时出错

Question

创建用于深度学习模型的加权高斯损失函数，并在对训练数据运行 model.fit 时收到以下错误消息

ValueError：维度必须为 2，但“{{node”的维度为 1 gaussian_loss/unstack_1}} = UnpackT=DT_FLOAT，轴=-1，num=2' 输入形状：[?,1]。

下面附上该函数的代码：

def w_g_l(weight_train, weight_test, train_num):
    def gaussian_loss(y_true, y_pred):
        if y_true.get_shape()[0] == train_num:
            weight=weight_train
        else:
            weight=weight_test
            
        mu, sigma = tf.unstack(y_pred, num=2, axis=-1)
        truevals, dummy = tf.unstack(y_true, num=2, axis=-1)
        
        mu = tf.expand_dims(mu, -1)
        sigma = tf.expand_dims(sigma, -1)
        truevals = tf.expand_dims(truevals, -1)
        
        nll = (
            tf.math.square(truevals-mu)/(2.0 * tf.math.square(sigma))
            + tf.math.log(sigma) + tf.math.log(weight)
        )
        
        return tf.math.reduce_mean(nll) - tf.math.reduce_mean(tf.math.log(weight))
    return gaussian_loss

有任何线索吗？这似乎是 truevals, dummy = tf.unstack(y_pred, num=2, axis=-1) 行的问题，但我不确定具体可以解决什么问题。

型号如下：

def build_model():
    model = keras.Sequential([
        layers.Dense(units=2, input_dim=2, activation = 'relu'),
        layers.Dense(units=12, activation = 'relu'),
        layers.Dense(units=2, activation = 'softplus')
    ])
    my_loss = w_g_l(weight_train, weight_test, 1148)
    loss=my_loss

    model.compile(loss = loss, optimizer = keras.optimizers.Adam(0.01), metrics = ['mse', my_loss])
    return model

Answer 1

您的损失函数期望 y_true （这是来自您传递给 fit 的 y_train 的数据）在最后一个维度中有两个元素在 truevals 和 dummy 中拆栈。

一种解决方案是设置 truevals = y_true，因为您的数据中似乎没有虚拟值。

另一个解决方案是向数据添加虚拟值，例如：

dummy_data = numpy.zeros(y_train.shape)

if len(y_train.shape) == 1:
    y_train = numpy.stack([y_train, dummy_data], axis=-1)
else:
    y_train = numpy.concatenate([y_train, dummy_data], axis=-1)