训练时关于损失函数的 Tensorflow 维度大小/等级问题

Question

我有一个自定义损失函数似乎是有效的（当运行这两行时没有错误，如下所示）

alpha_cost = 2 cost = tf.reduce_mean(tf.where(tf.less(Y * out, 0), tf.squeeze((alpha_cost*out)**2 - tf.sign(Y)*out + tf.abs(Y)), tf.squeeze(tf.abs(Y - out))))

然而，当我实际继续进行模型训练（批量大小 10,000）时，使用此损失函数会产生以下错误...

InvalidArgumentError (see above for traceback): Inputs to operation Select_4 of type Select must have the same size and shape. Input 0: [1,10000] != input 1: [10000] [[Node: Select_4 = Select[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:GPU:0"](Less_7, Squeeze_6, Squeeze_7)]]

可能是只需要添加另一个 tf.squeeze 来压缩尺寸的情况...但我已经尝试了几次但没有完全配合，所以这种方法可能存在更大的问题...感谢您的帮助！

Answer 1

使用 numpy 模块，

import numpy as np

和定义

input0 = tf.where(tf.less(Y * out, 0)
input1 = tf.squeeze((alpha_cost*out)**2 - tf.sign(Y)*out + tf.abs(Y))

尝试将 input1 从 rank-1 数组重塑为 row-vector：

input1 = np.reshape(input1, (1, 10000))

赋予它与 input0 相同的形状。您可以断言 input1 具有正确的形状：

assert(input1.shape == (1,10000))

并检查 input0 和 input1 是否具有相同的维度：

assert(input0.shape == input1.shape)

训练时关于损失函数的 Tensorflow 维度大小/等级问题

Tensorflow dimension size / rank issue on loss function when training

python

tensorflow

rank

tensor

loss-function