Получение ошибки "индекс списка вне допустимого диапазона" при выполнении кода тензорного потока - PullRequest
Новая
       174

Получение ошибки "индекс списка вне допустимого диапазона" при выполнении кода тензорного потока

0 голосов
/ 18 июня 2020

Я пытаюсь выполнить следующий код, разработанный в тензорном потоке для GAN, но всякий раз, когда я выполняю его, я получаю ошибку индекса «индекс списка вне диапазона» 


import pandas as pd
import numpy as np
import tensorflow as tf
import time

dataset = pd.read_csv('kagglecreditcard.csv')

is_Class0 = dataset['Class'] == 0

norm_set = dataset[is_Class0]
is_Class1 = dataset['Class'] == 1

test_set = dataset[is_Class1]
#test_labels = test_set.pop('Class')

DATA_SIZE = 5
# BATCH_SIZE = 50
# TEST_SIZE = 400
# LAYER_DENSITY = [500, 400, 300, 100, 31]
EPOCHS = 5
# noise_dim = 50


# Y_test = test_set.sample(TEST_SIZE)
# Y = tf.data.Dataset.from_tensor_slices(Y_test).batch(BATCH_SIZE)


X_train = norm_set.sample(DATA_SIZE)
norm_targets = X_train.pop('Class')
X = tf.data.Dataset.from_tensor_slices((X_train.values)).batch(1)
target = tf.data.Dataset.from_tensor_slices((norm_targets.values))

Y_train = test_set.sample(DATA_SIZE)
Y = tf.data.Dataset.from_tensor_slices((Y_train.values))

two = []
one = []


def make_generator():
    inputs = tf.keras.Input(shape=(30,),name='myInput')
    x = tf.keras.layers.Dense(50, activation=tf.nn.softmax)(inputs)
    outputs = tf.keras.layers.Dense(30)(x)
    model = tf.keras.Model(inputs=inputs, outputs=outputs)

    return model


def make_discriminator():
    inputs = tf.keras.Input(shape=(30,))
    x = tf.keras.layers.Dense(40, activation=tf.nn.softmax)(inputs)
    outputs = tf.keras.layers.Dense(1, activation=tf.nn.leaky_relu)(x)
    model = tf.keras.Model(inputs=inputs, outputs=outputs)
    return model


# This method returns a helper function to compute cross entropy loss
cross_entropy = tf.keras.losses.BinaryCrossentropy(from_logits=True)

def discriminator_loss(real_output, fake_output):
    return tf.losses.binary_crossentropy(real_output, fake_output)


def generator_loss(ith_sample,fake_output):
    return tf.keras.losses.kullback_leibler_divergence(ith_sample,fake_output)



generator_optimizer = tf.keras.optimizers.Adam(1e-4)
discriminator_optimizer = tf.keras.optimizers.Adam(1e-4)

noise = tf.random.normal([1,30])

generator = make_generator()
discriminator = make_discriminator()

gen_out = generator(noise)
disc_out = discriminator(gen_out)


gen_loss = generator_loss(two[0],gen_out)
disc_loss = discriminator_loss(one[0],disc_out)




re_out = []
fk_out = []
gn_loss = []
dc_loss = []
gen_gradients = []
disc_gradients = []

def train_step(records):
    noise = tf.random.normal([1, 30])

    with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
      generated_records = generator(noise, training=True)

      real_output = discriminator(records, training=True)
      fake_output = discriminator(generated_records, training=True)

      re_out.append(real_output)
      fk_out.append(fake_output)

      gen_loss = generator_loss(records,fake_output)
      disc_loss = discriminator_loss(real_output, fake_output)

      gn_loss.append(gen_loss)
      dc_loss.append(disc_loss)


    gradients_of_generator = gen_tape.gradient(tuple(gen_loss), generator.trainable_variables)
    gradients_of_discriminator = disc_tape.gradient(tuple(disc_loss), discriminator.trainable_variables)

    gen_gradients.append(gradients_of_generator)
    disc_gradients.append(gradients_of_discriminator)

    generator_optimizer.apply_gradients(zip(gradients_of_generator, generator.trainable_variables))
    discriminator_optimizer.apply_gradients(zip(gradients_of_discriminator, discriminator.trainable_variables))


def train(dataset, epochs):

   for epoch in range(epochs):
     start = time.time()


     for image_batch in dataset:
       train_step(image_batch)


     print ('Time for epoch {} is {} sec'.format(epoch + 1, time.time()-start))


train(X, 4)

Но когда я выполняю код, я получаю ошибка:

ошибка при генерации значения убытка; следовательно, с ним не будет никакого градиента

1 Ответ

0 голосов
/ 18 июня 2020

В этом фрагменте кода: 

generator_optimizer = tf.keras.optimizers.Adam(1e-4)
discriminator_optimizer = tf.keras.optimizers.Adam(1e-4)

noise = tf.random.normal([1,30])

generator = make_generator()
discriminator = make_discriminator()

gen_out = generator(noise)
disc_out = discriminator(gen_out)


gen_loss = generator_loss(two[0],gen_out) # Here
disc_loss = discriminator_loss(one[0],disc_out)

У вас есть two[0], который должен получить первый элемент массива.
Но ошибка сообщает вам, что массив пуст, следовательно, вы не сможете удалить первый элемент, потому что первого нет.

...