时间戳

首页 > 解决方案 > tensorflow 2.0 中的 MSE 损失将 y_true 错误作为归约键

python-3.x - tensorflow 2.0 中的 MSE 损失将 y_true 错误作为归约键

问题描述

我在运行 python 3.7.0 的 jupyter notebook 上使用了一个非常简单的神经网络和最新版本的 tensorflow 2.0。NN 有 Xip，一个浮点数作为输出，我将其用作函数 MainGaussian_1_U 中的参数，该函数近似于图像。当我尝试使用真实图像 img 和近似值 mk 之间的 MeanSquareError 计算损失时，我得到一个错误，其中损失函数似乎将 img 作为归约键。经过搜索，我仍然不知道这个键应该是什么，也找不到调试代码的方法：

model = tf.keras.models.Sequential()

# Add the layers
model.add(tf.keras.layers.Dense(64, activation="relu"))
model.add(tf.keras.layers.Dense(32, activation="relu"))
model.add(tf.keras.layers.Dense(1, activation="relu"))

# The loss method
loss_object = tf.keras.losses.MeanSquaredError()
# The optimize
optimizer = tf.keras.optimizers.Adam()
# This metrics is used to track the progress of the training loss during the training
train_loss = tf.keras.metrics.Mean(name='train_loss')

def train_step(Data, img):
    MainGaussian_init(Data)
    for _ in range (5):
        with tf.GradientTape() as tape:
            Xip= model( (sizeh**-2 * np.ones((sizeh, sizeh))).reshape(-1, 49))
            MainGaussian_1_U ()
            print ("img=", img)
            loss= tf.keras.losses.MeanSquaredError(img, mk)
            print ("loss=", loss)
        gradients = tape.gradient(loss, model.trainable_variables)
        print (gradients)
        optimizer.apply_gradients(zip(gradients, model.trainable_variables))
        train_loss(loss)

train_step (TestFile, TestFile[4])

给出的错误是：

c:\program files\python37\lib\site-packages\tensorflow_core\python\ops\losses\loss_reduction.py:67: FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
  if key not in cls.all():

...

ValueError: Invalid Reduction Key [[21.05224609 20.79420471 34.9659729  ... 48.09233093 68.83874512
  83.10766602]
 [20.93516541 17.0511322  39.00476074 ... 56.74258423 47.75274658
  98.57067871]
 [38.18562317 22.70791626 24.37176514 ... 64.9606781  47.65338135
  67.61506653]
 ...
 [85.76565552 79.45443726 73.64129639 ... 73.66456604 47.06422424
  49.44664001]
 [87.14616394 82.38183594 77.00856018 ... 66.21652222 71.32862854
  58.39285278]
 [36.74142456 37.27145386 34.52891541 ... 29.58699036 37.37667847
  30.25990295]].

这是我在 Stack Overflow 上的第一个问题：请让我知道是否可以更清楚！

标签： python-3.xtensorflowtensorflow2.0mean-square-error

解决方案

您正确地创建了“损失对象”，但从不使用它。相反，您的代码尝试使用图像作为参数创建一个新的“损失对象”（这不起作用）。相反，您希望将图像放入已经创建的损失对象中。你只需要改变这条线

loss= tf.keras.losses.MeanSquaredError(img, mk)

至

loss= loss_object(img, mk)

推荐阅读