问题描述

我正在尝试在 TensorFlow 2.3.0 中编写自定义损失函数。为了计算损失，我需要y_pred要转换为 numpy 数组的参数。但是，我找不到将其转换为<class 'tensorflow.python.framework.ops.Tensor'>到 numpy 数组，尽管 TensorFlow 函数似乎可以这样做。

代码示例

def custom_loss(y_true, y_pred):
    print(type(y_pred))
    npa = y_pred.make_ndarray()
    ...
    

if __name__ == '__main__':
    ...
    model.compile(loss=custom_loss, optimizer="adam")
    model.fit(x=train_data, y=train_data, epochs=10)

给出错误消息：AttributeError: 'Tensor' object has no attribute 'make_ndarray打印类型后y_pred范围：<class 'tensorflow.python.framework.ops.Tensor'>

到目前为止我已经尝试过的

在寻找解决方案时，我发现这似乎是一个常见问题，并且有一些建议，但到目前为止它们对我不起作用：

1.“...所以只需在 Tensor 对象上调用 .numpy() 即可。”：如何在 TensorFlow 中将张量转换为 numpy 数组？ https://www.thetopsites.net/article/51302819.shtml

所以我尝试了：

def custom_loss(y_true, y_pred):
    npa = y_pred.numpy()
    ...

给我AttributeError: 'Tensor' object has no attribute 'numpy'

2.“使用tensorflow.Tensor.eval()将张量转换为数组”：如何在 Python 中将 TensorFlow 张量转换为 NumPy 数组 https://www.kite.com/python/answers/how-to-convert-a-tensorflow-tensor-to-a-numpy-array-in-python

所以我尝试了：

def custom_loss(y_true, y_pred):
    npa = y_pred.eval(session=tf.compat.v1.Session())
    ...

给了我我所见过的最长的错误消息之一，其核心是：

InvalidArgumentError: 2 root error(s) found.
      (0) Invalid argument: You must feed a value for placeholder tensor 'functional_1/conv2d_2/BiasAdd/ReadVariableOp/resource' with dtype resource
         [[node functional_1/conv2d_2/BiasAdd/ReadVariableOp/resource (defined at main.py:303) ]]
         [[functional_1/cropping2d/strided_slice/_1]]
      (1) Invalid argument: You must feed a value for placeholder tensor 'functional_1/conv2d_2/BiasAdd/ReadVariableOp/resource' with dtype resource
         [[node functional_1/conv2d_2/BiasAdd/ReadVariableOp/resource (defined at main.py:303) ]]

还必须从 1.x 版本调用 TensorFlow 兼容性函数，感觉不太适合未来，所以无论如何我不太喜欢这种方法。

3.查看TensorFlow文档，似乎有我需要的功能正在等待：tf.make_ndarray https://www.tensorflow.org/api_docs/python/tf/make_ndarray从张量创建 numpy ndarray。

所以我尝试了：

def custom_loss(y_true, y_pred):
    npa = tf.make_ndarray(y_pred)
    ...

给我AttributeError: 'Tensor' object has no attribute 'tensor_shape'

查看 TF 文档中的示例，他们在 proto_tensor 上使用它，所以我尝试首先转换为 proto：

def custom_loss(y_true, y_pred):
    proto_tensor = tf.make_tensor_proto(y_pred)
    npa = tf.make_ndarray(proto_tensor)
    ...

但已经是tf.make_tensor_proto(y_pred)引发错误：TypeError: Expected any non-tensor type, got a tensor instead.

尝试首先创建一个 const 张量也会产生相同的错误：

def custom_loss(y_true, y_pred):
    a = tf.constant(y_pred)
    proto_tensor = tf.make_tensor_proto(a)
    npa = tf.make_ndarray(proto_tensor)
    ...

围绕这个问题还有很多帖子，但似乎它们都回到了这三个基本想法。期待您的建议！

y_pred.numpy()在 TF 2 中工作但是AttributeError: 'Tensor' object has no attribute 'make_ndarray表示您的代码的某些部分没有在 Eager 模式下运行，否则您将没有Tensor对象但是一个EagerTensor.

要启用 Eager 模式，请将其放在代码的开头，然后构建图中的任何内容：

tf.config.experimental_run_functions_eagerly(True)

其次，当您编译模型时，添加此参数：

model.compile(..., run_eagerly=True, ...)

现在，您正在 Eager 模式下执行，并且所有变量实际上都保存可以打印和使用的值。请注意，切换到 Eager 模式可能需要对代码进行额外调整（请参阅here https://www.tensorflow.org/guide/eager以获得概述）。