Python Keras合并与连接，可以'；不要更新我的代码

我有一个CNN的Keras功能模型。我正在尝试实现一个三重态丢失函数。我找到了一些关于谁使用“合并”来做这件事的帖子，现在不推荐使用“合并”，但我不能像使用“合并”那样使用“连接”

原始代码如下所示：

def triplet_loss(x):
    anchor, positive, negative = x
    pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)
    neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)

    basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), 0.05)
    loss = tf.reduce_mean(tf.maximum(basic_loss, 0.0), 0)
    return loss



def build_model(img_x, img_y):
    input_shape = Input(shape=(img_x, img_y, 3))
    c0 = Conv2D(32, kernel_size=(3, 3), strides=(1, 1), activation='relu') (input_shape)
    m0 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2)) (c0)
    f = Flatten()(m0)
    d1 = Dense(4024, activation='relu')(f)
    d2 = Dense(512, activation='sigmoid')(d1)

    anchor = Input(shape=(128, 254, 3))
    positive = Input(shape=(128, 254, 3))
    negative = Input(shape=(128, 254, 3))

    reid_model = Model(inputs=[input_shape], outputs=[d2])

    anchor_embed = reid_model(anchor)
    positive_embed = reid_model(positive)
    negative_embed = reid_model(negative)

    loss = merge([anchor_embed, positive_embed, negative_embed],
             mode=triplet_loss, output_shape=(1,))

    model = Model(inputs=[anchor, positive, negative], outputs=loss)
    model.compile(optimizer='Adam', loss='mean_absolute_error')
    return model

---

我使用

loss=merge（[anchor\u embed，positive\u embed，negative\u embed]，mode=triplet\u loss，output\u shape=（1，）

将函数

triplet\u loss

的输出转换为keras层输出（如中所建议）。函数

串联

没有参数“mode”。有没有办法调整我的代码以获得损失函数作为Keras层输出的结果？

我终于找到了一种方法来计算

三重损失函数的值，通过添加lambda层来保持代码的原始结构

def triplet_loss(x):
    anchor, positive, negative = x
    pos_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, positive)), 1)
    neg_dist = tf.reduce_sum(tf.square(tf.subtract(anchor, negative)), 1)

    basic_loss = tf.add(tf.subtract(pos_dist, neg_dist), 0.05)
    loss = tf.reduce_mean(tf.maximum(basic_loss, 0.0), 0)
    return loss

def build_model(img_x, img_y):
    input_shape = Input(shape=(img_x, img_y, 3))
    c0 = Conv2D(32, kernel_size=(3, 3), strides=(1, 1), activation='relu') 
(input_shape)
    m0 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2)) (c0)
    f = Flatten()(m0)
    d1 = Dense(4024, activation='relu')(f)
    d2 = Dense(512, activation='sigmoid')(d1)

    anchor = Input(shape=(128, 254, 3))
    positive = Input(shape=(128, 254, 3))
    negative = Input(shape=(128, 254, 3))

    reid_model = Model(inputs=[input_shape], outputs=[d2])

    anchor_embed = reid_model(anchor)
    positive_embed = reid_model(positive)
    negative_embed = reid_model(negative)

    merged_output = concatenate([anchor_embed, positive_embed, 
negative_embed])
    loss = Lambda(triplet_loss, (1,))(merged_output)

    model = Model(inputs=[anchor, positive, negative], outputs=loss)
    model.compile(optimizer='Adam', loss='mse',
                  metrics=["mae"])
    return model

调整代码的一种直接方法是：合并输出=连接（[anchor\u embed，positive\u embed，negative\u embed]）模型=模型（输入=[anchor，positive，negative]，输出=合并输出）模型。通过这种方式编译（optimizer='Adam'，loss=triplet\u loss，metrics=[triplet\u loss]），如果您想检查并恢复Keras模型，您可能必须这样做，例如：model=load_model（'/path/to/model'，custom_objects={'triplet_loss'：triplet_loss}），让我知道这是否有效！嘿@kvish，我试过了，唯一的问题是“concatenate”函数返回一个
张量（“concatenate_1/concat:0”，shape=（？，1536），dtype=float32）
对象，因此，当调用
triplet_loss
函数时，我有一个与输入数量相关的错误。您是否知道如何“断开”层以计算损耗。谢谢您是否尝试使用获取相应的张量？@kvish此解决方案的问题是，我仍然需要输出为：
model.compile（optimizer='Adam'，loss='mean\u absolute\u error'，metrics=['accurity']）
如果我更改为
model.compile（optimizer='Adam'，loss=triplet\u loss，metrics=[triplet\u loss]）
如何将损耗设置为“平均绝对误差”？如果您使用的是三重态损耗，那么这就是您正在定义的实际损耗函数，需要将其最小化以评估您的问题。有关三重态损耗的更多详细信息，请参阅本手册。