python - Keras属性错误: 'Tensor' object has no attribute 'log'

Question

我遇到错误 - “Tensor”对象没有属性“log”，我在 Keras 中编写该属性来构建网络，同时将自定义损失函数应用于 Keras。我想我需要以某种方式摆脱 np.log 但不知道如何。

import Numpy 

import numpy as np

自定义函数

def rmsle(y_pred,y_test):
   return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))

我的网络

def base_model():
   model = Sequential()
   model.add(Dense(50, input_dim=X_train.shape[1], init='normal',     activation='sigmoid'))
   model.add(Dropout(0.5))

   model.add(Dense(1, init='normal'))
   sgd = SGD(lr=0.01, momentum=0.8, decay=0.1, nesterov=False)
   model.compile(loss=rmsle, optimizer = sgd)# )'adam') #
   return model

keras = KerasRegressor(build_fn=base_model, nb_epoch=80, batch_size=1,verbose=1)
keras.fit(X_train ,y_train)

当我详细检查错误消息时，它表明

424         """
425         # score_array has ndim >= 2
--> 426         score_array = fn(y_true, y_pred)
427         if mask is not None:
428             # Cast the mask to floatX to avoid float64 upcasting in theano
2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))
----> 4     return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))
2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))

Answer 1

您必须使用后端(即 keras.backend )中的有效张量运算才能定义自定义损失函数。例如，您的损失函数可以定义如下:

import keras.backend as K

def rmsle(y_test, y_pred):
    return K.sqrt(K.mean(K.square(K.log(1 + y_pred) - K.log(1 + y_test))))

注意:Keras 期望第一个参数为 y_test(别名为基本事实)。