我想了解 keras/tensorflow 是如何工作的。在這個例子中，我正在使用一個LSTM具有定義loss功能的網絡。在此示例中，我想打印y_pred和loss變量中的值，但是標準print()函數不會打印實際數值。當我嘗試print()函數時，我得到以下輸出：Tensor("loss_13/dense_14_loss/strided_slice:0", shape=(), dtype=float32)import tensorflow as tffrom tensorflow.keras import Sequential, backend as Kfrom tensorflow.keras.layers import Dense, LSTM, Dropoutfrom tensorflow.keras.losses import categorical_crossentropyregressor = Sequential()regressor.add(LSTM(units = 10, dropout=0.10, return_sequences = True, input_shape = (X.shape[1], X.shape[2])))regressor.add(Dense(units = 4, activation='softmax'))regressor.compile(optimizer = optimizer, loss = weight_fx(np.array([0.005,0.20,0.79,0.005])), metrics = ['categorical_accuracy'])def weight_fx(weights): weights = K.variable(weights) def loss(y_true, y_pred): y_pred /= K.sum(y_pred, axis=-1, keepdims=True) print(y_pred) loss = y_true * K.log(y_pred) * weights return loss return loss
2 回答
慕容森
TA貢獻1853條經驗 獲得超18個贊
嘗試這樣做：
import tensorflow as tf
from tensorflow.keras import Sequential, backend as K
from tensorflow.keras.layers import Dense, LSTM, Dropout
from tensorflow.keras.losses import categorical_crossentropy
import numpy as np
X = tf.ones((10,10,10))
y = tf.ones((10,1))
def weight_fx(weights):
? ? weights = K.variable(weights)? ? ?
? ? def loss(y_true, y_pred):
? ? ? ? y_pred /= K.sum(y_pred, axis=-1, keepdims=True)
? ? ? ? tf.print(y_pred)
? ? ? ? loss = y_true * K.log(y_pred) * weights
? ? ? ? return loss
? ??
? ? return loss
regressor = Sequential()
regressor.add(LSTM(units = 10, dropout=0.10, return_sequences = True,?
? ? ? ? ? ? ? ? ? ?input_shape = (X.shape[1], X.shape[2])))
regressor.add(Dense(units = 4, activation='softmax'))
regressor.compile(optimizer = 'adam', loss = weight_fx(np.array([0.005,0.20,0.79,0.005])), metrics = ['categorical_accuracy'])
regressor.fit(X,y)
問：你為什么看到
Tensor("loss_13/dense_14_loss/strided_slice:0", shape=(), dtype=float32)？答：Tensorflow 預計損失函數會被頻繁調用，因此盡可能對其進行優化至關重要。Tensorflow 有一種方法可以做到這一點，稱為“追蹤”。這基本上意味著傳遞一個“檢測器”變量，該變量“體驗”函數中的所有操作并記住它們。然后，基于這些經驗，Tensorflow 構建了一個單獨的所謂“圖形”函數，該函數速度更快，并且無法調用 python 中具有副作用的許多常見函數。喜歡
print()。你看到的是一個檢測器或“示蹤劑”。它只運行一次。那我該如何調試呢？
有幾種方法可以做到這一點。如果要
print調試，請使用tf.print.?根據我的經驗，這有時有效，有時無效。如果沒有，并且您仍然只看到檢測器變量，請使用model.run_eagerly = True或將其作為參數傳遞給model.compile.?即使你不使用tf.print和設置run_eagerly，python 的內置print仍然可以工作（試試這個）。最后但同樣重要的是，您可以將所有副作用函數包裝在一個tf.py_function.?
另外，請確保先定義函數，然后在 中使用它model.compile，尤其是在使用 Jupyter notebook 時。一個有問題的舊聲明可能仍然存在于記憶中并且可能會毀了你的一天。
這有幫助嗎？
添加回答
舉報
0/150
提交
取消