python - 当未启用急切执行时，张量对象不可迭代。要迭代此张量，请使用 tf.map_fn

Question

我正在尝试创建自己的损失函数:

def custom_mse(y_true, y_pred):
    tmp = 10000000000
    a = list(itertools.permutations(y_pred))
    for i in range(0, len(a)): 
     t = K.mean(K.square(a[i] - y_true), axis=-1)
     if t < tmp :
        tmp = t
     return tmp

它应该创建预测向量的排列，并返回最小的损失。

   "Tensor objects are not iterable when eager execution is not "
TypeError: Tensor objects are not iterable when eager execution is not enabled. To iterate over this tensor use tf.map_fn.

错误。我找不到此错误的任何来源。为什么会这样？

Answer 1

发生错误是因为 y_pred 是一个张量(不可迭代，无需急切执行)，并且 itertools.permutations期望一个迭代来创建排列。此外，计算最小损失的部分也不起作用，因为张量 t 的值在图创建时是未知的。

我不会对张量进行排列，而是创建索引的排列(这是您可以在创建图形时执行的操作)，然后从张量中收集排列后的索引。假设您的 Keras 后端是 TensorFlow 并且 y_true/y_pred 是二维的，您的损失函数可以按如下方式实现:

def custom_mse(y_true, y_pred):
    batch_size, n_elems = y_pred.get_shape()
    idxs = list(itertools.permutations(range(n_elems)))
    permutations = tf.gather(y_pred, idxs, axis=-1)  # Shape=(batch_size, n_permutations, n_elems)
    mse = K.square(permutations - y_true[:, None, :])  # Shape=(batch_size, n_permutations, n_elems)
    mean_mse = K.mean(mse, axis=-1)  # Shape=(batch_size, n_permutations)
    min_mse = K.min(mean_mse, axis=-1)  # Shape=(batch_size,)
    return min_mse