Python 3.x 在Keras层内实现三重态损耗

在这个博客中，他在Kears层之外实现了三重损失。他从网络中获取

anchor\u out

、

pos\u out

和

neg\u out

，然后将它们传递给他定义的

triplet\u loss（）

函数

我想知道是否可以通过定义自己的

Lambda

层来计算Keras层中的三重态损耗

以下是我的网络设计：

margin=1

anchor_input = Input((600, ), name='anchor')
positive_input = Input((600, ), name='positive_input')
negative_input = Input((600, ), name='negative_input')

# Shared embedding layer for positive and negative items
Shared_DNN = Dense(300)

encoded_anchor = Shared_DNN(anchor_input)
encoded_positive = Shared_DNN(positive_input)
encoded_negative = Shared_DNN(negative_input)

DAP = Lambda(lambda tensors:K.sum(K.square(tensors[0] - tensors[1]),axis=1,keepdims=True),name='DAP_loss') #Distance for Anchor-Positive pair
DAN = Lambda(lambda tensors:K.sum(K.square(tensors[0] - tensors[1]),axis=1,keepdims=True),name='DAN_loss') #Distance for Anchor-Negative pair
Triplet_loss = Lambda(lambda loss:K.max([(loss[0] - loss[1] + margin),0],axis=0),name='Triplet_loss') #Distance for Anchor-Negative pair

DAP_loss = DAP([encoded_anchor,encoded_positive])
DAN_loss = DAN([encoded_anchor,encoded_negative])

#call this layer on list of two input tensors.

Final_loss = Triplet_loss([DAP_loss,DAN_loss])

model = Model(inputs=[anchor_input,positive_input, negative_input], outputs=Final_loss)

但是，它给了我一个错误：

Tried to convert 'input' to a tensor and failed. Error: Shapes must be equal rank, but are 2 and 0
    From merging shape 0 with other shapes. for 'Triplet_loss_4/Max/packed' (op: 'Pack') with input shapes: [?,1], []

错误来自

Triplet\u loss

层。在

K.max（）

函数中，第一个数字

loss[0]-loss[1]+margin

的形状为

（无，1）

。然而，第二个数字0的形状是

（1）

。这两个数字的形状不同，因此

K.max（）

函数会给出一个错误

我的问题是，如何解决这个错误？ 我尝试过用

K.constant（0，shape=（1，）

和

K.constant（0，shape=（None，1））

替换

0

，但它们不起作用。

这行吗

Triplet_loss = Lambda(lambda loss: K.maximum(loss[0] - loss[1] + margin, 0.0),
                      name='Triplet_loss')

我认为这条线的问题

Triplet_loss = Lambda(lambda loss:K.max([(loss[0] - loss[1] + margin), 0], 
                      axis=0),name='Triplet_loss') 

就是把

loss[0]-loss[1]+margin

张量和

0

放在列表括号中，keras将其解释为连接两个张量。由于大小不匹配，此操作失败

0

是一个标量，秩为0，而第一个是2d数组。这就是错误的含义

---

要将张量与单个值元素进行比较，请使用

K.max

，当其中一个参数是标量时，它会自动广播。

确实有效！我没有注意到

K.max（）

和

K.max（）

之间的细微差别，谢谢你指出这一点。