使用Tensorflow镜像策略的Keras多GPU

RESNET（）

模型编译为：

model.compile（loss=tf.keras.loss.Huber（），optimizer=tf.keras.optimizers.Adam（epsilon=1e-08），metrics=[tf.keras.loss.Huber（））

所有其他模块也来自

tensorflow.keras.*

当我使用4个GPU运行此程序时，我得到以下错误：ValueError:请使用

tf.keras.loss.Reduction.SUM

或

tf.keras.loss.Reduction.NONE

在内置训练循环之外使用loss时使用

tf.distribute.Strategy

我遵循中给出的示例，那么我缺少什么，为什么我需要使用这些减少？什么是内置训练循环的外部

es = EarlyStopping(monitor='val_loss', mode='min', patience=100, restore_best_weights=True, verbose=0)
strategy = tf.distribute.MirroredStrategy(devices=['/gpu:0', '/gpu:1', '/gpu:2', '/gpu:3'])
with strategy.scope():
   model = RESNET()
history = model.fit(samples2Fit, validation_data=samples2Validate, epochs=args.epochs, callbacks=[es], verbose=0)