将tf.tensor转换为numpy

发布于 2025-01-27 04:35:12 字数 492 浏览 1 评论 0原文

我已经构建了一个自定义损耗功能来训练我的模型，

def JSD_Tensor_loss(P,Q):
  P=tf.make_ndarray(P)
  Q=tf.make_ndarray(Q)

  M=np.divide((np.sum(P,Q)),2)
  D1=np.multiply(P,(np.log(P,M)))
  D2=np.multiply(Q,(np.log(Q,M)))

  JSD=np.divide((np.sum(D1,D2)),2)
  JSD=np.sum(JSD)
  return JSD

model.compile(optimizer='adam', loss=JSD_Tensor_loss, metrics=['accuracy'])
model.fit(x_train, x_test, epochs=EPOCHS)

尽管我将张量参数转换为numpy，但是我有以下错误，无法解决它 attributeError：“张量”对象没有属性'tensor_shape'

原文

I've built a custom loss function to train my model

def JSD_Tensor_loss(P,Q):
  P=tf.make_ndarray(P)
  Q=tf.make_ndarray(Q)

  M=np.divide((np.sum(P,Q)),2)
  D1=np.multiply(P,(np.log(P,M)))
  D2=np.multiply(Q,(np.log(Q,M)))

  JSD=np.divide((np.sum(D1,D2)),2)
  JSD=np.sum(JSD)
  return JSD

model.compile(optimizer='adam', loss=JSD_Tensor_loss, metrics=['accuracy'])
model.fit(x_train, x_test, epochs=EPOCHS)

Although I've converted the tensor params to numpy but I've having the following error and cant solve it
AttributeError: 'Tensor' object has no attribute 'tensor_shape'

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

想念有你 2025-02-03 04:35:12

您的错误源于您的转换为numpy.Array（前两行）。

如果您必须转换张量（我认为在这种情况下不应该这样），我会选择：

P, Q = P.numpy(), Q.numpy()

但是，这确实不是必需的。只需用相应的tf.math函数替换numpy函数（您应该很好：（

def JSD_Tensor_loss(P,Q):

    M=tf.math.divide((tf.math.add(P,Q)),2)
    D1=tf.math.multiply(P,(tf.math.log(P)))
    D2=tf.math.multiply(Q,(tf.math.log(Q)))

    JSD=tf.math.divide((tf.add(D1,D2)),2)
    JSD=tf.math.reduce_sum(JSD)
    return JSD

我不明白您对NP.Log的电话。您是否可以使用该函数的过时版本（ docs ）

Your error stems from your conversion to numpy.array (first two lines).

If you have to convert a tensor (which in my opinion you shouldn't in this case), I would go with:

P, Q = P.numpy(), Q.numpy()

However, this is really not necessary here. Just replace the numpy function with the respective tf.math function (docs) and you should be good:

def JSD_Tensor_loss(P,Q):

    M=tf.math.divide((tf.math.add(P,Q)),2)
    D1=tf.math.multiply(P,(tf.math.log(P)))
    D2=tf.math.multiply(Q,(tf.math.log(Q)))

    JSD=tf.math.divide((tf.add(D1,D2)),2)
    JSD=tf.math.reduce_sum(JSD)
    return JSD

(I did not understand your call to np.log. Do you maybe use an outdated version of the function (docs))

回复收藏 0 原文

~没有更多了~