Tensorflow 在自定义keras损失中使用keras模型

我有一个名为

e

的常规keras模型，我想在我的自定义损失函数中比较

y_pred

和

y_true

的输出

from keras import backend as K
def custom_loss(y_true, y_pred):
    return K.mean(K.square(e.predict(y_pred)-e.predict(y_true)), axis=-1)

我收到错误：

AttributeError:'Tensor'对象没有属性“ndim”

这是因为

y\u true

和

y\u pred

都是张量对象和

keras.model.predict

期望传递一个

numpy.array

你知道我如何在自定义损耗函数中成功使用我的

keras.model

---

如果需要，我愿意获取指定层的输出，或者将我的

keras.model

转换为

tf.estimator

对象（或任何其他对象）。

首先，让我们试着理解您得到的错误消息：

AttributeError:“Tensor”对象没有属性“ndim”

让我们看看Keras文档，并找到Keras模型的方法。我们可以看到功能参数的描述：

x：输入数据，作为Numpy数组

因此，模型试图获取

numpy数组的
ndims
属性，因为它需要一个数组作为输入。另一方面，Keras框架的自定义损失函数将
张量
作为输入。所以，不要在它里面写任何python代码——它在求值过程中永远不会被执行。调用此函数只是为了构造计算图


好了，现在我们发现了错误消息背后的含义，我们如何在自定义损失函数中使用Keras模型？简单！我们只需要得到模型的评估图

更新
使用
global
关键字是一种糟糕的编码实践。而且，现在到2020年，我们有了更好的Keras，这使得使用层的黑客不再必要。最好使用这样的方法：

从keras导入后端为K
def make_custom_损耗（型号）：
“”“创建一个使用'model'进行计算的损失函数。”
"""
def自定义损耗（y_真，y_pred）：
返回K.均值（K.平方（模型（y_pred）-模型（y_true）），轴=-1）
退还海关损失
定制损耗=定制损耗（e）


不赞成
尝试类似的方法（仅适用于
顺序
模型和非常旧的API）：

def自定义丢失（y_真，y_pred）：
#您的模型存在于全局范围内
全球电子商务
#获取模型的层
层=[l代表e层中的l]
#在y_pred上构建一个图来评估您的其他模型
eval_pred=y_pred
对于范围内的i（len（层））：
eval_pred=层[i]（eval_pred）
#在y_true上构建一个图来评估其他模型
eval_true=y_true
对于范围内的i（len（层））：
eval_true=层[i]（eval_true）
#现在，对输出执行您想要执行的操作。
#请注意，我们返回的不是值，而是张量。
返回K.均值（K.平方（eval_pred-eval_true），轴=-1）

请注意，上面的代码没有经过测试。但是，无论实现如何，总体思路都将保持不变：您需要构建一个图，其中
y\u true
和
y\u pred
将通过它流向最终操作