为自定义损失函数创建形状与模型输出相同的 keras 张量

Question

我有一个 keras 模型，最后一层的输出形状是 (None,574,6)，None 是我输入模型的批量大小。

我还有一个名为 anchors 的二维 numpy 数组，形状为 (574,6)。

我想要的是每个数据的输出减去 numpy 数组元素。

import keras.backend as K

anchor_tensor = K.cast(anchors, tf.float32)
print(K.int_shape(anchor_tensor))
#(576, 4)
print(K.int_shape(y_pred))
#(None, 574, 6)
y_pred - anchor_tensor

由于batch_size未知，上述代码出现了以下错误。

InvalidArgumentError: Dimensions must be equal, but are 574 and 576 for 'sub_6' (op: 'Sub') with input shapes: [?,574,6], [576,4].

During handling of the above exception, another exception occurred:

如何重复anchor_tensorNone次使其形状与y_pred相同？

Answer 1

Tensorflow 会很容易地完成它所谓的 "broadcasting"，它会在可能的情况下自动重复缺失的元素。但要做到这一点，它必须首先确认形状允许这样做。

确保形状兼容的最安全方法是使它们具有相同的长度，并且在您希望其重复的维度中具有值 1。

所以，很简单：

anchor_tensor = K.expand_dims(anchor_tensor, axis=0) #new shape is (1, 576, 4)   
result = y_pred - anchor tensor

现在 Tensorflow 可以匹配形状并且会为整个批量大小重复张量。

为自定义损失函数创建形状与模型输出相同的 keras 张量

Create keras tensor with shape as same as model output for custom loss function

python

keras

tensorflow

loss-function