tensorflow - 即使尺寸不匹配，自定义损失函数也有效

Question

我将 Keras/TF 与以下模型一起使用:

conv = Conv2D(4, 3, activation = None, use_bias=True)(inputs)   
conv = Conv2D(2, 1, activation = None, use_bias=True)(conv)
model = Model(input = inputs, output = conv)
model.compile(optimizer=Adam(lr=1e-4), loss=keras.losses.mean_absolute_error)

在 model.fit 中，我收到一条错误消息:

ValueError: Error when checking target: expected conv2d_2 to have shape (300, 320, 2) but got array with shape (300, 320, 1)

这是预期的，因为目标是单 channel 图像，而模型中的最后一层有 2 个 channel 。

我不明白为什么当我使用自定义损失函数时:

def my_loss2(y_true, y_pred):
    return keras.losses.mean_absolute_error(y_true, y_pred)

并编译模型:

model.compile(optimizer = Adam(lr=1e-4), loss=my_loss2)

它 工作(或至少，不给出错误)。是否正在进行任何类型的自动转换/截断？

我正在使用 TF (CPU) 1.12.0 和 Keras 2.2.2

真挚地，
埃拉德

Answer 1

为什么内置损失和自定义损失的行为不同？
事实证明，Keras 正在对损失模块中定义的内置函数执行前期形状检查。
在 Model._standardize_user_data 的源代码中，由 fit 调用，我发现了这条评论:

# If `loss_fn` is not a function (e.g. callable class)
# or if it not in the `losses` module, then
# it is a user-defined loss and we make no assumptions
# about it.

在围绕该注释的代码中，您可以看到确实，根据损失函数的类型(内置或自定义)，输出形状要么传递给 standardize_input_data 的内部调用。或不。如果输出形状通过， standardize_input_data 正在引发您收到的错误消息。
而且我认为这种行为是有道理的:不知道损失函数的实现，你就无法知道它的形状要求。有人可能会发明一些需要不同形状的损失函数。另一方面， docs清楚地说损失函数的参数必须具有相同的形状:

y_true: True labels. TensorFlow/Theano tensor.

y_pred: Predictions. TensorFlow/Theano tensor of the same shape as y_true.

所以我觉得这有点不一致...
为什么您的自定义损失函数适用于不兼容的形状？
如果您提供自定义损失，它可能仍然有效，即使形状不完全匹配。在您的情况下，只有最后一个维度不同，我很确定 broadcasting正在发生的事情。您的目标的最后一个维度将被复制。
在许多情况下，广播非常有用。然而，这里可能不是，因为它隐藏了一个逻辑错误。