时间戳

首页 > 解决方案 > 使用 tf.gather 在 keras 中自定义正则化

python - 使用 tf.gather 在 keras 中自定义正则化

问题描述

我正在尝试在 keras 中实现自定义正则化器。这个想法是，正则化的范围仅限于数据集中的两列。这是一个玩具数据集：

# dataset
from sklearn.datasets import load_breast_cancer
data = load_breast_cancer()
x = data.data # x.shape() == (569, 30)
y = data.target

这是我编写正则化器的方式：

import tensorflow as tf # tf.__version__ == 2.0.0

class MyRegularizer(tf.keras.regularizers.Regularizer):

    def __init__(self, strength):
        self.strength = strength

    def __call__(self, x):
        # print(tf.shape(x))
        return self.strength * tf.reduce_sum(tf.subtract(tf.gather(params=x,indices=[29],axis=1),
                                                         tf.gather(params=x,indices=[28],axis=1)
                                                        )
                                            )

这是一个玩具模型：

# model
inputs = tf.keras.layers.Input(shape=x.shape[1])
dense = tf.keras.layers.Dense(1, kernel_regularizer=MyRegularizer(0.01)
                             )(inputs)
model = tf.keras.models.Model(inputs = inputs, outputs = dense)
model.compile(loss='binary_crossentropy')
model.summary()

model.fit(x,y)

我得到的错误如下：

InvalidArgumentError：segment_ids[0] = 28 超出范围 [0, 1)

我确实尝试在模型之外检查正则化器的输出函数

tf.reduce_sum(tf.subtract(tf.gather(x,[29],axis=1),tf.gather(x,[28],axis=1)))

它运行良好。

因此，发送到正则化器的张量的形状可能存在问题。我不知道如何解决这个问题（使用变量名、数据类型、输入形状，都没有运气）。没有正则化器的模型拟合没有任何错误。

互联网上关于上述错误的线程围绕嵌入维度展开，我未能找到适合我的解决方案。

标签： pythonpython-3.xtensorflowkerastensorflow2.0

解决方案

在您的子类中，“call()”方法中传递的参数“x”是层内核（权重）。由于您在 Dence 层中有一个单元，因此“tf.gather”方法无法在内核的第二个轴上找到索引 [28] 的元素。

InvalidArgumentError：segment_ids[0] = 28 超出范围 [0, 1)

如果您想获得与 [28] 输入相对应的权重；我认为下面的代码可以工作（将轴值更改为零）：

import tensorflow as tf # tf.__version__ == 2.0.0

class MyRegularizer(tf.keras.regularizers.Regularizer):

def __init__(self, strength):
    self.strength = strength

def __call__(self, x):
    # print(tf.shape(x))
    return self.strength * tf.reduce_sum(tf.subtract(tf.gather(params=x,indices=[29],axis=0),
                                                     tf.gather(params=x,indices=[28],axis=0)
                                                    )
                                        )

推荐阅读