Python 如何在tensorflow或keras中使用scipy.optimize.linear_sum_赋值？

第一次在这里发布！如果我的问题缺少什么，请告诉我，我会解决它

Facebook最近发布了DETR，一个使用变形金刚的物体检测模型！该模型是用Pytorch实现的，我试图在涉及匈牙利算法的情况下实现损失函数，但Keras和Tensorflow是Keras模型的自定义损失函数。在Facebook的原始实现中，它位于

为了使用numpy和经典python函数，我使用了：

    def hungarian_loss(losses):
        row_ind, col_ind = linear_sum_assignment(losses)
        idx = [[i, j] for i, j in zip(row_ind, col_ind)]
        return idx

    # dist loss is a 5x5 matrix, and idx is 5x2 indexes
    idx = tf.py_function(func=hungarian_loss, inp=[dist_loss], Tout=tf.int32)
    min_val = tf.gather_nd(dist_loss, idx)
    return K.mean(min_val)

但我得到了：

tensorflow.python.framework.errors_impl.InvalidArgumentError:  Inner dimensions of output shape must match inner dimensions of updates shape. Output: [5,5] updates: [5]

---

是因为我想用一个不是tf张量的东西作为损失吗

这对你有用吗？见：

@tf.function
def tf_linear_sum_assignment(cost_matrix):
    return tf.numpy_function(func=linear_sum_assignment,inp=[cost_matrix],Tout=[tf.int64,tf.int64])