Tensorflow:使用张量中的值作为参数
我想根据标签的值以不同的方式计算DNN中的损失函数 概念上是这样的:Tensorflow:使用张量中的值作为参数,tensorflow,Tensorflow,我想根据标签的值以不同的方式计算DNN中的损失函数 概念上是这样的: def loss(logits, labels): if labels[0] == 0: return loss_function_1(logits, labels) else: return loss_function_2(logits, labels) 显然,这是行不通的,因为我不能对张量物体进行比较。我也不能使用eval(),因为我得到一个错误,网络没有定义。我还有其他
def loss(logits, labels):
if labels[0] == 0:
return loss_function_1(logits, labels)
else:
return loss_function_2(logits, labels)
显然,这是行不通的,因为我不能对张量物体进行比较。我也不能使用eval()
,因为我得到一个错误,网络没有定义。我还有其他选择吗?您可以使用此结构:
tf.cond(labels[0] == 0, lambda: loss_function_1(logits, labels),
lambda: loss_function_2(logits, labels))