问题1、自定义loss function,y_true shape多一个维度
def nce_loss(y_true, y_pred):
y_true = tf.reshape(y_true, [-1])
y_true = tf.linalg.diag(y_true)
ret = tf.keras.metrics.categorical_crossentropy(y_true, y_pred, from_logits=False)
ret = tf.reduce_mean(ret)
return ret
问题分析:
如上面代码所示,tf.keras相关API,在自定义loss function时,执行model.fit方法时报错,大致意思:计算tf.keras.metrics.categorical_crossentropy时输入数据的shape不符合预期,y_true的shape是[None, 1, 1]
;经过手动debug,发现y_true的shape变成了[None,1]
,正常应该是[None,]
。查了一些资料发现,出现这个问题的原因是,y_true的shape默认是与y_pred一致的,并且无法单独指定,导致在经过tf.linalg.diag
函数时shape变成了[None, 1, 1]
。
解决方案
添加代码y_true = tf.reshape(y_true, [-1])
,强致将shape 转成一维。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Tensorflow遇到的问题 - Python技术站