Я пытаюсь написать пользовательскую функцию потерь для модели Keras, используя TensorFlow 2.0.Я следовал указаниям в аналогичном ответе, чтобы получить входной слой в функцию потерь, например
здесь
Пользовательская функция потерь Keras: доступ к текущему шаблону ввода
и здесь
https://datascience.stackexchange.com/questions/25029/custom-loss-function-with-additional-parameter-in-keras
, но я также хочу добавить вывод второй модели в функцию потерь.
Похоже, ошибка исходит от v.predict (х).Сначала TensorFlow выдает ошибку, подобную ValueError: при использовании тензоров данных в качестве входных данных для модели необходимо указать аргумент steps.
Поэтому я пытаюсь добавить шаги arg v.predict (x, steps = n) где n некоторое целое число, и я получаю AttributeError: у объекта 'Tensor' нет атрибута 'numpy'
X = некоторый массив np.random Y = некоторая функция X плюс шум
def build_model():
il = tf.keras.Input(shape=(2,),dtype=tf.float32)
outl = kl.Dense(100,activation='relu')(il)
outl = kl.Dense(50,activation='relu')(outl)
outl = kl.Dense(1)(outl)
return il,outl
def f(X,a):
return (X[:,0:1] + theta*a)*a
def F(x,a):
eps = tf.random.normal(tf.shape(x),mean=loc,stddev=scale)[:,0:1]
z = tf.stack([x[:,0:1] + theta*a + eps,x[:,1:] - a],axis=1)[:,:,0]
return z
def c_loss(x=None,v=None):
def loss(y_true,y_pred):
xp = F(x,y_pred)
return kb.mean(f(x,y_pred) + v.predict(xp))
return loss
v_in,v_out = build_model()
v_model = tf.keras.Model(inputs=v_in,outputs=v_out)
v_model.compile(tf.keras.optimizers.Adam(),loss='mean_squared_error')
v_model.fit(x=X,y=Y)
c_in,c_out = build_model()
c_model = tf.keras.Model(inputs=c_in,outputs=c_out)
c_model.compile(tf.keras.optimizers.Adam(),loss=c_loss(x=c_in,v=v_model))
c_model.fit(x=X,y=Y_dummy)
В идеале я просто ожидаю, что вызов c_model.fit () создаст нейронную сеть, чтобы минимизировать функционал f (x, a) + v (x).