Python 无法在keras中定义自定义损失函数

使用：

Keras 2.1.5

ipython 6.2.1

ipython_genutils 0.2.0

Python 3

Windows 7（x64）-8GB ram-仅限CPU

我正试图在jupyter笔记本上制作一个神经网络，它工作得很好，直到我决定编写一个自定义损失函数。对于初学者，我决定编写一个简单的均方损失函数。 损失函数为：

def msqeloss(y_true, y_pred):
     return K.sum(K.square(y_true-y_pred),0)

我将此函数输入到模型中，如下所示：

...
model.add(Dropout(0.1))
model.add(Flatten())
model.add(Dense(120,activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(3,activation='softmax'))
model.compile(optimizer='RMSprop',loss=msqeloss,metrics=['accuracy'])
...

完整堆栈错误如下所示：

 AttributeError                            Traceback (most recent call last)
<ipython-input-10-86f0a38b9a14> in <module>()
     42         model.add(Dropout(0.1))
     43         model.add(Dense(3,activation='softmax'))
---> 44         model.compile(optimizer='RMSprop',loss=msqeloss,metrics=['accuracy'])
     45         csv_logger = CSVLogger('meanlog_loss_log'+str(index)+'.csv', append=True, separator=';')
     46         model.fit(Xtrain,one_hot_labels,batch_size=10,epochs=Epochs,validation_data=(Xtest,np_utils.to_categorical(ytest, num_classes=3)),callbacks=[csv_logger])

~\Anaconda3\lib\site-packages\keras\models.py in compile(self, optimizer, loss, metrics, sample_weight_mode, weighted_metrics, target_tensors, **kwargs)
    822                            weighted_metrics=weighted_metrics,
    823                            target_tensors=target_tensors,
--> 824                            **kwargs)
    825         self.optimizer = self.model.optimizer
    826         self.loss = self.model.loss

~\Anaconda3\lib\site-packages\keras\engine\training.py in compile(self, optimizer, loss, metrics, loss_weights, sample_weight_mode, weighted_metrics, target_tensors, **kwargs)
    828                 with K.name_scope(self.output_names[i] + '_loss'):
    829                     output_loss = weighted_loss(y_true, y_pred,
--> 830                                                 sample_weight, mask)
    831                 if len(self.outputs) > 1:
    832                     self.metrics_tensors.append(output_loss)

~\Anaconda3\lib\site-packages\keras\engine\training.py in weighted(y_true, y_pred, weights, mask)
    427         """
    428         # score_array has ndim >= 2
--> 429         score_array = fn(y_true, y_pred)
    430         if mask is not None:
    431             # Cast the mask to floatX to avoid float64 upcasting in Theano

<ipython-input-9-d8157a575c41> in msqeloss(y_true, y_pred)
      1 def msqeloss(y_true, y_pred):
----> 2     return K.sum(K.square(y_true-y_pred),0)

AttributeError: 'int' object has no attribute 'sum'

AttributeError回溯（最近一次调用）
在（）
42型号。添加（辍学（0.1））
43型号。添加（密集型（3，激活=softmax'））
--->44 model.compile（优化器='RMSprop'，loss=msqeloss，metrics=['accurity']））
45 csv_logger=CSVLogger（'meanlog_loss_log'+str（index）+'.csv'，append=True，separator='；'））
46 model.fit（Xtrain，one_hot_标签，批处理大小=10，epochs=epochs，验证数据=（Xtest，np_utils.to_category（ytest，num_classes=3）），回调=[csv_logger]）
编译中的~\Anaconda3\lib\site packages\keras\models.py（self、优化器、损耗、度量、样本权重模式、加权度量、目标张量、**kwargs）
822加权度量=加权度量，
823目标张量=目标张量，
-->824**夸尔格）
825 self.optimizer=self.model.optimizer
826 self.loss=self.model.loss
编译中的~\Anaconda3\lib\site packages\keras\engine\training.py（self、优化器、损耗、度量、损耗权重、样本权重模式、加权度量、目标张量、**kwargs）
828带有K.name \-u作用域（self.output \-u names[i]+'.\u loss'）：
829输出损耗=加权损耗（y_真，y_pred，
-->830样品（重量，面罩）
831如果透镜（自输出）>1：
832自度量张量追加（输出损失）
~\Anaconda3\lib\site packages\keras\engine\training.py加权（y_真、y_pred、权重、掩码）
427         """
428#分数_阵列的ndim>=2
-->429分数数组=fn（y_真，y_pred）
430如果掩码不是无：
431#将遮罩投射到floatX上，以避免float64在场景中向上投射
在msqeloss中（y_true，y_pred）
1 def msqeloss（y_true，y_pred）：
---->2返回K.sum（K.square（y_true-y_pred），0）
AttributeError:“int”对象没有属性“sum”

我是Keras的新手，任何帮助都将不胜感激。请帮我解决这个问题，因为它已经困扰我两天了。

---

提前感谢。

您在哪里定义了

K

？是的，正如@Kapil所提到的，似乎在您的代码中的某个地方，您将

K

从

keras.backend

重新定义为

int

变量……非常感谢您。即使在这里问这个问题，我现在也觉得很傻。非常感谢！