Python 如何在损失函数中使用keras张量上的numpy函数？

我正在使用Keras和TensorFlow后端来构建和运行一个神经网络。我需要在损失函数中的输出张量上使用numpy函数。更具体地说，我的损失函数涉及到寻找最近的邻居，为此我需要使用Keras功能。我尝试使用

K.eval（）

将输出张量转换为numpy数组。但是，我相信，当我试图编译模型时，这会抛出一个

InvalidArgument

错误，因为您不能对符号变量运行

eval（）

下面是一个复制此错误的玩具代码片段

import numpy as np
from keras import backend as K
from keras.models import Sequential
from keras.layers.core import Flatten, Dense, Reshape
from keras.optimizers import Adam

def loss(y_true, y_pred):

    y_pred_numpy = K.eval(y_pred)
    # perform some numpy operations on y_pred_numpy
    return K.constant(0)

''' Model '''

input_shape = (10,10,10,3)
train_images = np.zeros((1,10,10,10,3))
train_labels = np.zeros((1,1,1,1,3))

model = Sequential()
model.add(Flatten(input_shape=input_shape))
model.add(Dense(3000, use_bias=True, bias_initializer='zeros'))
model.add(Reshape((10,10,10,3)))
model.summary()

opt = Adam(lr=1E-4)
model.compile(optimizer=opt, loss=loss)

上面给出了以下错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'flatten_3_input' with dtype float
     [[Node: flatten_3_input = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]
     [[Node: reshape_3/Reshape/_11 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/cpu:0", send_device="/job:localhost/replica:0/task:0/gpu:0", send_device_incarnation=1, tensor_name="edge_20_reshape_3/Reshape", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

---

那么，我如何使用Keras张量而不必使用Keras重写（复杂的）numpy功能呢？

直接使用这个

numpy

函数是不可能的-因为它既不在

Tensorflow

中也不在

Theano

中实现。此外，

张量

和

数组

之间没有直接对应关系

张量

应理解为代数变量，而

numpy

数组应理解为数字

tensor

是一个抽象的东西，对它应用

numpy

函数通常是不可能的

---

但您仍然可以尝试使用函数自己重新实现此函数。然后您将使用有效的

张量

运算，不应提出任何问题。

这真的是损失函数中的问题吗？？？您是否尝试过使用

loss='mse'

进行编译尽管如此，我不确定keras是否会接受带张量的numpy运算（您已经看过了吗？或者提供了一种使用函数将numpy数组转换为张量上的numpy数组的方法。