numpy - 在 tensorflow 中编写自定义成本函数

Question

我正在尝试在 tensorflow 中编写自己的成本函数，但显然我无法“切片”张量对象？

import tensorflow as tf
import numpy as np

# Establish variables
x = tf.placeholder("float", [None, 3])
W = tf.Variable(tf.zeros([3,6]))
b = tf.Variable(tf.zeros([6]))

# Establish model
y = tf.nn.softmax(tf.matmul(x,W) + b)

# Truth
y_ = tf.placeholder("float", [None,6])

def angle(v1, v2):
  return np.arccos(np.sum(v1*v2,axis=1))

def normVec(y):
  return np.cross(y[:,[0,2,4]],y[:,[1,3,5]])

angle_distance = -tf.reduce_sum(angle(normVec(y_),normVec(y)))
# This is the example code they give for cross entropy
cross_entropy = -tf.reduce_sum(y_*tf.log(y))

我收到以下错误: TypeError: Bad slice index [0, 2, 4] of type <type 'list'>

Answer 1

目前，tensorflow can't gather on axes other than the first - it's requested .

但是对于你在这种特定情况下想要做什么，你可以转置，然后收集0,2,4，然后转置回来。它不会很快疯狂，但它有效:

tf.transpose(tf.gather(tf.transpose(y), [0,2,4]))

对于当前gather 实现中的一些限制，这是一个有用的解决方法。

(但您不能在 tensorflow 节点上使用 numpy 切片也是正确的 - 您可以运行它并对输出进行切片，并且您还需要在运行之前初始化这些变量。:)。你正在以一种不起作用的方式混合 tf 和 np 。

x = tf.Something(...)

是一个 tensorflow 图对象。 Numpy 不知道如何处理这些对象。

foo = tf.run(x)

又回到了python可以处理的对象。

您通常希望将损失计算保持在纯 tensorflow 中，因此在 tf.您可能需要长时间执行 arccos，因为 tf 没有它的功能。