Machine learning 胶子ts:尝试个性化成本函数时出现问题
我试图实现我自己的成本函数来训练我的模型a多层感知器,我担心的是在训练过程中我会遇到以下问题: 检查失败:!AGInfo::IsNone(*i):无法区分节点,因为 它不在计算图中。您需要将is_录制设置为 true或使用autograd.record()保存计算图形以供 向后的如果要将同一图形区分两次,则需要 向后传递retain_graph=True 我试过:Machine learning 胶子ts:尝试个性化成本函数时出现问题,machine-learning,deep-learning,time-series,forecasting,mxnet-gluon,Machine Learning,Deep Learning,Time Series,Forecasting,Mxnet Gluon,我试图实现我自己的成本函数来训练我的模型a多层感知器,我担心的是在训练过程中我会遇到以下问题: 检查失败:!AGInfo::IsNone(*i):无法区分节点,因为 它不在计算图中。您需要将is_录制设置为 true或使用autograd.record()保存计算图形以供 向后的如果要将同一图形区分两次,则需要 向后传递retain_graph=True 我试过: def myloss(forecast, target): . . . .
def myloss(forecast, target):
.
.
.
.
with autograd.record():
loss= nd.array(np.sqrt((r-1)**2+(beta-1)**2+(gamma-1)**2))
return loss
在混合前向中,我调用我的损失函数
def hybrid_forward(self, F, past_target, future_target):
prediction = self.nn(past_target)
loss = ( 1 - self.myloss( prediction,future_target) ).mean(axis=-1)
return loss
我还注意到,当我在不将参数从mxnet ndarray转换为numpy ndarray的情况下计算损失时,它是有效的,但在我的情况下,它是强制性的,因为我必须执行几个中间计算