Python 在使用中间输出的多输出模型中，将加法损耗与keras损耗相结合

之前在另一篇文章（）中，我讨论了我遇到的问题。最后，通过以下方式解决了此问题：

def MyLoss(true1, true2, out1, out2, out3):
    loss1 = tf.keras.losses.someloss1(out1, true1)
    loss2 = tf.keras.losses.someloss2(out2, true2)
    loss3 = tf.keras.losses.someloss3(out2, out3)
    loss = loss1 + loss2 + loss3
    return loss

input1 = Input(shape=input1_shape)
input2 = Input(shape=input2_shape)

# do not take into account the notation, only the idea
output1 = Submodel1()([input1,input2]) 
output2 = Submodel2()(output1)
output3 = Sumbodel3()(output1)

true1 = Input(shape=true1shape)
true2 = Input(shape=true2shape)

model = Model([input1,input2,true1,true2], [output1,output2,output3])
model.add_loss(MyLoss(true1, true2, output1, output2, output3))
model.compile(optimizer='adam', loss=None)

model.fit(x=[input1 ,input2 ,true1,true2], y=None, epochs=n_epochs)

在这个问题中，我使用的所有损失都是keras损失（即

tf.keras.loss.someloss

），但现在我想再添加几个损失，并将自定义损失与keras损失结合起来。也就是说，现在我有了这个方案：

为了增加这两个损失，即SSIM损失，我尝试了以下方法：

def SSIMLoss(y_true, y_pred):
    return 1-tf.reduce_mean(tf.image.ssim(y_true, y_pred, 1.0))

def MyLoss(true1, true2, out1, out2, out3):
    loss1 = tf.keras.losses.someloss1(out1, true1)
    customloss1 = SSIMLoss(out1,true1)
    loss2 = tf.keras.losses.someloss2(out2, true2)
    loss3 = tf.keras.losses.someloss3(out2, out3)
    customloss2 = SSIMLoss(out2,out3)
    loss = loss1 + loss2 + loss3 + customloss1 + customloss2
    return loss

但我得到了这个错误：

OperatorNotAllowedInGraphError:在图形执行中不允许将'tf.Tensor'用作Python'bool'。使用渴望执行或用@tf.function修饰此函数。

我已尝试使用

@tf.function

装饰函数，但出现以下错误：

\u SymbolicException:到急切执行函数的输入不能作为符号张量，但可以找到[，]

---

我发现了将keras损失与

添加损失相结合的方法（），也许这就是问题所在，但我不知道如何解决它。
我能够在
TF 2.3
中重现您的上述错误。但是在
TF2.4
和夜间
TF2.6
中，没有这样的问题，但是当我试图绘制模型时，我遇到了另一个错误，尽管没有问题。summary（）

以及使用

.fit

进行培训。但是，如果禁用了急切模式，则TF 2.3/2.4将不会出现问题

---

细节 在TF 2.3中，我可以复制您的问题，如下所示。要解决这一问题，只需禁用上面显示的急切模式即可

在

tf2.4

/

tfnightly 2.6

中，我不需要禁用急切模式。模型编译良好，并按预期进行了训练。但唯一的问题发生在我试图绘制模型时，它给出了以下错误

tf.keras.utils.plot_model(model)
....
AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no 
attribute '_keras_history'

此问题导致了

SSIMLoss

方法中的

1-..

表达式；某物 但是，同样地，通过禁用渴望模式，它无论如何都会解决问题。但是，一般来说，最好升级到

tf2.4

---

代码示例 在这里，我将向您展示一个可能与您的培训管道类似的虚拟示例。在本例中，我们有一个输入（

28,28,3

）和三个输出（

28,28,3

）

自定义损失函数。

def SSIMLoss(y_true, y_pred):
    return 1 - tf.reduce_mean(tf.image.ssim(y_true, y_pred, 1.0))

def MyLoss(true1, true2, out1, out2, out3):
    loss1 = tf.keras.losses.cosine_similarity(out1, true1)
    loss2 = tf.keras.losses.cosine_similarity(out2, true2)
    loss3 = tf.keras.losses.cosine_similarity(out2, out3)
    customloss1 = SSIMLoss(true1, out1)
    customloss2 = SSIMLoss(out2, out3)

    loss = loss1 + loss2 + loss3 + customloss1 + customloss2
    return loss

数据

imgA = tf.random.uniform([10, 28, 28, 3], minval=0, maxval=256)
tarA = np.random.randn(10, 28, 28, 3)
tarB = np.random.randn(10, 28, 28, 3)

型号

具有一个输入和三个输出的模型

input  = Input(shape=(28, 28, 3))
middle = Conv2D(16, kernel_size=(3,3), padding='same')(input)

outputA = Dense(3, activation='relu')(middle)
outputB = Dense(3, activation='selu')(middle)
outputC = Dense(3, activation='elu')(middle)

target_inputA = Input(shape=(28, 28, 3))
target_inputB = Input(shape=(28, 28, 3))

model = Model([input, target_inputA, target_inputB], 
              [outputA, outputB, outputC])

model.add_loss(MyLoss(target_inputA, target_inputB, 
                      outputA, outputB, outputC))

# tf.keras.utils.plot_model(model) # disable eager mode 
model.summary()

编译并运行

model.compile(optimizer='adam', loss=None)
model.fit([imgA, tarA, tarB], steps_per_epoch=5)

5/5 [==============================] - 2s 20ms/step - loss: 1.4338
<tensorflow.python.keras.callbacks.History at 0x7efde188d450>

model.compile（优化器='adam'，loss=None）
模型拟合（[imgA、tarA、tarB]，每历元步长=5）
5/5[===================================================]秒/步-损耗：1.4338

请您对给出的答案给出一些反馈意见好吗？您好@M.Innat，是的，对不起。这几天我有点忙，无法检查您的解决方案。我现在已经开始了，它似乎正在工作，尽管我得到了与此无关的其他错误。非常感谢你！你好@M.Innat。我一直在使用您在TF2.3和TF2.4上的解决方案，但没有禁用它。这两种方法似乎都有效，但在TF2.4中，执行一个历元需要5小时，而在TF2.3中则需要5分钟（这对于我来说太多了）。然而，在TF2.4中，GPU的volatile实用程序是0%，所以我想我没有使用GPU。这是一个已知的问题，即与图形模式相比，渴望模式是缓慢的。请检查此问题。另外，如果可能的话，试着用最新的

tf2.5

和夜间软件包运行你的代码，看看效果如何。好的，谢谢！

model.compile(optimizer='adam', loss=None)
model.fit([imgA, tarA, tarB], steps_per_epoch=5)

5/5 [==============================] - 2s 20ms/step - loss: 1.4338
<tensorflow.python.keras.callbacks.History at 0x7efde188d450>