Python 试图通过海关损失,但它不允许我。属性错误:';浮动';对象没有属性';向后';
我有一个自定义的loss函数,我正试图在我的模型上使用它,但是当我在Pytorch中使用Python 试图通过海关损失,但它不允许我。属性错误:';浮动';对象没有属性';向后';,python,pytorch,loss,custom-training,Python,Pytorch,Loss,Custom Training,我有一个自定义的loss函数,我正试图在我的模型上使用它,但是当我在Pytorch中使用loss.backward()时,它不起作用 这是我的损失函数: class Neg_Pearson(nn.Module): # Pearson range [-1, 1] so if < 0, abs|loss| ; if >0, 1- loss def __init__(self): super(Neg_Pearson,self).__init__()
loss.backward()
时,它不起作用
这是我的损失函数:
class Neg_Pearson(nn.Module): # Pearson range [-1, 1] so if < 0, abs|loss| ; if >0, 1- loss
def __init__(self):
super(Neg_Pearson,self).__init__()
return
def forward(self, preds, labels): # tensor [Batch, Temporal]
loss = 0
for i in range(preds.shape[0]):
sum_x = torch.sum(preds[i]) # x
sum_y = torch.sum(labels[i]) # y
sum_xy = torch.sum(preds[i]*labels[i]) # xy
sum_x2 = torch.sum(torch.pow(preds[i],2)) # x^2
sum_y2 = torch.sum(torch.pow(labels[i],2)) # y^2
N = preds.shape[1]
pearson = (N*sum_xy - sum_x*sum_y)/(torch.sqrt((N*sum_x2 - torch.pow(sum_x,2))*(N*sum_y2 - torch.pow(sum_y,2))))
loss += 1 - pearson
loss = loss.tolist()
loss = loss/preds.shape[0]
#print(loss)
return loss
我得到以下错误:
AttributeError:“float”对象没有属性“backward”
关于如何解决此问题的任何建议?backward
是PyTorch张量的函数。调用loss.tolist()
时,破坏了计算图形,无法从该图形向后返回。我不确定您想用这行代码实现什么,但是注释它应该会有所帮助
yp = (yp-torch.mean(yp)) /torch.std(yp) # normalize
yt = (yt-torch.mean(yt)) /torch.std(yt) # normalize
loss = neg_pears_loss(yp, yt)
print(loss)
optimizer.zero_grad()
loss.backward()
optimizer.step()