python - 如何将损失函数中的变量存储到实例变量中

Question

我正在将 Keras 与 Tensorflow 结合使用。因为我想创建LSTM-CRF model ，我使用 tf.contrib.crf.crf_log_likelihood 定义了自己的损失函数:

def loss(self, y_true, y_pred):
    sequence_lengths = ... # calc from y_true
    log_likelihood, transition_params = tf.contrib.crf.crf_log_likelihood(y_pred, y_true, sequence_lengths)
    loss = tf.reduce_mean(-log_likelihood)
    self.transition_params = transition_params

    return loss

如您所知，CRF 在预测阶段需要转换参数。因此，我将 transition_params 存储到实例变量 self.transition_params 中。

问题是 self.transition_params 在小批量期间从未更新过。据我观察，编译模型时似乎只存储一次。

有没有办法将损失函数中的变量存储到Keras的实例变量中？

Answer 1

问题是函数签名错误 tf.contrib.crf.crf_log_likelihood ，您需要将 transition_params 与当前的转换参数一起传递。以下更改将解决相同问题。

log_likelihood, transition_params = 
    tf.contrib.crf.crf_log_likelihood(y_pred, y_true, sequence_lengths,  
    transition_params=self.transition_params)