Python Keras AttributeError:&x27；张量'；对象没有属性'；日志'；

我有一个错误-‘Tensor’对象没有属性‘log’，我在Keras中编写该属性来构建网络，同时将自定义损失函数应用于Keras。我想我需要摆脱np.log，但不知道如何摆脱

import Numpy 

import numpy as np

自定义函数

def rmsle(y_pred,y_test):
   return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))

我的网络

def base_model():
   model = Sequential()
   model.add(Dense(50, input_dim=X_train.shape[1], init='normal',     activation='sigmoid'))
   model.add(Dropout(0.5))

   model.add(Dense(1, init='normal'))
   sgd = SGD(lr=0.01, momentum=0.8, decay=0.1, nesterov=False)
   model.compile(loss=rmsle, optimizer = sgd)# )'adam') #
   return model

keras = KerasRegressor(build_fn=base_model, nb_epoch=80, batch_size=1,verbose=1)
keras.fit(X_train ,y_train)

当我详细检查错误消息时，它显示

424         """
425         # score_array has ndim >= 2
--> 426         score_array = fn(y_true, y_pred)
427         if mask is not None:
428             # Cast the mask to floatX to avoid float64 upcasting in theano
2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))
----> 4     return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))
2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))

---

Keras中的Lambda层可帮助您实现未预构建且不需要可训练重量的功能。因此，您可以自由地实现自己的逻辑，如本例中的“Log”

这也可以使用keras

Lambda

层完成，如下所示：

from keras.layers import Lambda
import keras.backend as K

在此处定义您的功能：

def logFun(x):
   return keras.backend.log(x)

然后创建一个lambda层：

model.add(Lambda(logFun, ...))

---

为了定义自定义损失函数，必须从后端（即从）使用有效的张量操作。例如，您的损失函数可以定义如下：

import keras.backend as K

def rmsle(y_test, y_pred):
    return K.sqrt(K.mean(K.square(K.log(1 + y_pred) - K.log(1 + y_test))))

---

注意：Keras希望第一个参数是

y\u test

（别名为基本事实）。

请说明如何导入

numpy

，最好向我们展示您的问题。我的第一个怀疑是，您将

np

重新分配给了

numpy

以外的其他对象，因此，您没有调用

numpy.log

，而是试图调用分配给

np

的任何Keras对象。我把numpy称为import numpy as np，你能展示整个代码吗？您的代码段至少缺少导入语句。为了进行调试，您可以将

print（type（np），np.\uuuuu file\uuuu）

放入丢失函数中，以检查

np

是否真的是

numpy

模块。此外，您可以显示错误消息和堆栈跟踪吗？thx为帮助人，它提供了解决方法。又是thx