Keras tensorflow后端修改损失

Question

好的， 使用 tensorflow 后端修改 keras 损失有点问题。

如果我使用 keras.losses.sparse_categorical_crossentropy 作为损失，它将像正常的 sparse_categorical_crossentropy 一样工作。

但是，如果我完全复制该源并将复制的函数移交给损失，则会发生以下错误。

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-118-840fee9ad06b> in <module>()
      3 
      4                   epochs=10, continue_train=False, load_model_weight=False,
----> 5              batch_size=256 * 1, common_columns=columns, code_columns=code_columns)

6 frames
/usr/local/lib/python3.6/dist-packages/keras/engine/training_utils.py in standardize_input_data(data, names, shapes, check_batch_axis, exception_prefix)
    136                             ': expected ' + names[i] + ' to have shape ' +
    137                             str(shape) + ' but got array with shape ' +
--> 138                             str(data_shape))
    139     return data
    140 

ValueError: Error when checking target: expected dense_279 to have shape (37279,) but got array with shape (1,)

似乎原始的将其值更改为一个热向量，但复制的却没有。我找不到它在哪里改变值。

为了修改损失，原件应该在我的平台上工作。有人可以帮忙吗？

Answer 1

问题在于，如果您使用 sparse_categorical_crossentropy 损失，keras 会引入特殊的输出/目标形状检查，否则您会得到与目标是整数但输出是向量相同的错误。您可以看到用于检查here的形状的修改。

我不知道如何摆脱这样的错误，只有在使用sparse_categorical_crossentropy 时检查才有效，并且似乎无法覆盖检查以用于其他损失。您可能想在keras github repo 中提出要求此功能的问题。