ERROR IN KERAS CUSTOM LOSS "TypeError: значение, переданное параметру" reduce_indices ", имеет DataType float32 не в списке допустимых значений: int32, int64"

Question

Я определил настраиваемую потерю в Keras для функции:

(y - yhat)^2 + (y * yhat).

def customLoss(y_true, y_pred, sample_weight=None):
    y_true = K.cast(y_true, 'float32')
    y_pred = K.cast(y_pred, 'float32')
    loss = K.square(y_true - y_pred) + K.prod(y_true, y_pred)
    loss = loss * K.cast(sample_weights, 'float32')
    return loss

Когда я запускаю model.fit, он не работает с TypeError:

earlystopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss', 
                                            mode='min', verbose=1, patience=20)
history = model.fit(Xtrain, ytrain_raw, 
                    validation_data=(Xval, yval_raw), batch_size=128,
                    epochs=500, verbose=1, callbacks=[earlystopping],
                    sample_weight=sample_weights)

Ошибка :

TypeError: in user code:

    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:571 train_function  *
        outputs = self.distribute_strategy.run(
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:951 run  **
        return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2290 call_for_each_replica
        return self._call_for_each_replica(fn, args, kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2649 _call_for_each_replica
        return fn(*args, **kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:533 train_step  **
        y, y_pred, sample_weight, regularization_losses=self.losses)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/compile_utils.py:205 __call__
        loss_value = loss_obj(y_t, y_p, sample_weight=sw)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/losses.py:143 __call__
        losses = self.call(y_true, y_pred)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/losses.py:246 call
        return self.fn(y_true, y_pred, **self._fn_kwargs)
    <ipython-input-477-99f75f332877>:4 customLoss
        loss = K.square(y_true - y_pred) + K.prod(y_true, y_pred)
    /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:1716 prod
        return tf.reduce_prod(x, axis, keepdims)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/util/dispatch.py:180 wrapper
        return target(*args, **kwargs)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/math_ops.py:2196 reduce_prod
        name=name))
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/gen_math_ops.py:6642 prod
        name=name)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py:578 _apply_op_helper
        param_name=input_name)
    /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py:61 _SatisfiesTypeConstraint
        ", ".join(dtypes.as_dtype(x).name for x in allowed_list)))

    TypeError: Value passed to parameter 'reduction_indices' has DataType float32 not in list of allowed values: int32, int64

Однако , если я удалю часть K.prod(y_true, y_pred), код будет работать без проблем.

def customLoss(y_true, y_pred, sample_weight=None):
    y_true = K.cast(y_true, 'float32')
    y_pred = K.cast(y_pred, 'float32')
    loss = K.square(y_true - y_pred) #+ K.prod(y_true, y_pred)
    loss = loss * K.cast(sample_weights, 'float32')
    return loss

Что может быть не так ???

Answer 1

Я считаю, что ошибка возникает из-за второго аргумента в вашем вызове для K.prod(). Эта функция принимает один тензор x, но вы указали два тензора y_true и y_pred.

Сама ошибка возникает из-за того, что второй аргумент K.prod() относится к оси, которая должна быть целое число, а не число с плавающей запятой.

Похоже, вы можете использовать tf.keras.layers.multiply() или tf.keras.layers.dot().