如何在tensorflow（python）中调用opencv函数？

当我训练模型时，我定制了一个损耗函数。这个函数中损耗值的计算需要opencv的函数。看到代码了，但是我弄错了。我不知道如何解决它，有人能帮我吗？非常感谢

#这是我的损失函数
def实例损失函数（预测、标签）：
最佳匹配\标签\图像=搜索\最大像素精度\排列（预测\转换\灰度\图像（预测），标签）
预测图像=预测
损失总和=0.0
最佳匹配标签图像轮廓编号=len（cv2.findContours（最佳匹配标签图像重塑（513513）、cv2.RETR树、cv2.CHAIN近似无）[1]）
predict_image_contours_number=len（cv2.findContours（predict_image.Restrape（513513））、cv2.RETR_树、cv2.CHAIN_近似值[1]）
计数器\u max=np.max（[最佳匹配\u标签\u图像\u轮廓\u编号，预测\u图像\u轮廓\u编号]）
计数器\u min=np.min（[最佳匹配\u标签\u图像\u轮廓\u编号，预测\u图像\u轮廓\u编号]）
对于范围内的i（1，计数器最小值+1）：
ith_instance_IoU=compute_oneclassiu（预测图像，最佳匹配标签图像，i）
如果我有一张借条=0:
损失总额=损失总额+2*（1/（1+i个实例欠条）-1/2）
elif ith_instance_IoU==0:
损失总和=损失总和+2
如果np.abs（计数器最大值-计数器最小值）=0:
损耗总和=损耗总和+1*np.abs（计数器最大值-计数器最小值）
退货损失总额

然后我像这样调用损失函数：

loss=tf.py_func(instance_loss_function,[valid_logits,valid_labels],tf.float32)
train_op = optimizer.minimize(loss, global_step, var_list=train_var_list)

但它不起作用，

---

为了能够训练你的网络tensorflow需要创建一个微分运算图。如果您想使用OpenCV函数，Tensorflow不知道如何为其构建导数。因此，您不能使用来自不同软件包的任意函数，将它们组合在一起，并希望它能够工作。

为了能够训练您的网络tensorflow需要创建一个可微分操作图。如果您想使用OpenCV函数，Tensorflow不知道如何为其构建导数。因此，您不能使用来自不同软件包的任意函数，将它们组合在一起，并希望它能工作。

谢谢，但在计算损失值时，我需要使用opencv（cv2.findContours（）和cv2.drawContours（））的函数。有什么可以替代这两个函数的吗？我不确定您想要实现什么。。。如果您想让您的模型进行边界预测，请进行不同的设置。我正在训练一个实例分割模型。在我们的图像数据集中，前景中只有一个类，但有多个实例。我们需要分割不同的实例，为了提高模型的性能，我们自定义了损失函数（损失值的计算需要OpenCV函数）。为了在tensorflow中调用OpenCV函数，我尝试了tf.py_func（）我的理解是，当我在Python中调用OpenCV函数时，它将调用本地C++ LIBS。因此我认为TysFooSo不能为它创建一个图。如果可能的话，我想你可以尝试在NUMPY或TencoSoFrad本身中重新创建OpenCV代码。但是，再次，所有操作都需要被区分。Rentable，我不知道是否是这样。我会试试。谢谢！谢谢，但我需要使用opencv的函数（cv2.findContours（）和cv2.drawContours（））当计算损失值时。有什么东西可以替代这两个函数吗？我不确定你想实现什么…如果你想让你的模型做边界预测，那么就做一个不同的设置。我正在训练一个实例分割模型。在我们的图像数据集中，前景中只有一个类，但有多个实例。我们需要拆分不同的实例，为了提高模型的性能，我们定制了损耗函数（损耗值的计算需要OpenCV函数）。为了在tensorflow中调用OpenCV函数，我尝试了tf.py_func（）我的理解是，当我在Python中调用OpenCV函数时，它将调用本地C++ LIBS。因此我认为TysFooSo不能为它创建一个图。如果可能的话，我想你可以尝试在NUMPY或TencoSoFrad本身中重新创建OpenCV代码。但是，再次，所有操作都需要被区分。可出租，我不知道是不是这样。我会试试。谢谢！