Python 如何将loss函数中的变量存储到实例变量中
我将Keras与Tensorflow一起使用。 由于我想创建,我使用以下方法定义了自己的损失函数: 正如你们所知,CRF在预测阶段需要转换参数。因此,我将transition_参数存储到实例变量中,self.transition_参数 问题在于,在minibatch期间,self.transition_参数从未更新过。根据我的观察,在编译模型时,它似乎只存储一次Python 如何将loss函数中的变量存储到实例变量中,python,machine-learning,tensorflow,nlp,keras,Python,Machine Learning,Tensorflow,Nlp,Keras,我将Keras与Tensorflow一起使用。 由于我想创建,我使用以下方法定义了自己的损失函数: 正如你们所知,CRF在预测阶段需要转换参数。因此,我将transition_参数存储到实例变量中,self.transition_参数 问题在于,在minibatch期间,self.transition_参数从未更新过。根据我的观察,在编译模型时,它似乎只存储一次 有没有办法将loss函数中的变量存储到Keras中的实例变量中?问题是函数签名错误,您需要使用当前的转换参数传递转换参数。以下更改将解
有没有办法将loss函数中的变量存储到Keras中的实例变量中?问题是函数签名错误,您需要使用当前的转换参数传递
转换参数。以下更改将解决相同的问题
log_likelihood, transition_params =
tf.contrib.crf.crf_log_likelihood(y_pred, y_true, sequence_lengths,
transition_params=self.transition_params)
问题是函数签名错误,您需要用当前的转换参数传递转换参数。以下更改将解决相同的问题
log_likelihood, transition_params =
tf.contrib.crf.crf_log_likelihood(y_pred, y_true, sequence_lengths,
transition_params=self.transition_params)