在KERAS中使用自定义损失功能

问题描述

我正在尝试为我的keras模型实现自定义损失。

我想结合两个损耗MSE和应用于自动编码器的KL Divergence。 。我成功地在TF 2.0中实现了它，但是现在我想在Keras中实现它

代码如下：

stacked_encoder = keras.models.Sequential([
   
    keras.layers.Dense(60,activation="tanh",input_shape=[60]),keras.layers.Dense(3,activation="tanh"),])
stacked_decoder = keras.models.Sequential([
    keras.layers.Dense(60,activation=None,),])
stacked_ae = keras.models.Sequential([stacked_encoder,stacked_decoder])

def KL_divergence(x1,y1):
    return x1* tf.log(x1 / y1) + (1 - x1) * tf.log((1 - x1) / (1 - y1))

latent_representation  = stacked_encoder.predict(train)
output = stacked_ae.predict(train)


latent_activation = 1/2 *(tf.constant([1.0,1.0,1.0]) + tf.reduce_mean(latent_representation,axis=0))
sparsity_param=0.5   
sparsity = np.tile(sparsity_param,3)

sparsity_loss = tf.reduce_sum(KL_divergence(sparsity,latent_activation))

mse = tf.reduce_mean(tf.square(output - train))


loss =tf.add_n([ tf.cast(mse,tf.float32) + sparsity_loss])

stacked_ae.compile(loss=loss,optimizer=keras.optimizers.SGD(lr=0.1))
history = stacked_ae.fit(train,train,epochs=20,batch_size=64)

重要的是要知道我想最小化KL散度，而不是将其用作正则化器 致电model.compile时出现以下错误：

OperatorNotAllowedInGraphError: using a `tf.Tensor` as a Python `bool` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）