在自定义Keras丢失（TF后端）中截断y_true

Question

我想在学习方面消除填充的必要性对我的序列的影响，所以我试图在计算MSE之前删除序列可能具有的尾随零。对于稳定性来说，停止这种方式的渐变似乎比尝试提供不同长度的序列更好。

但是，我的代码会针对不同的方法抛出不同的错误。对于这种对我来说最有希望的方法，AttributeError: 'NoneType' object has no attribute 'dtype' K.update_sub(i,1)抛出def truncated_MSE(y_true, y_pred): i = K.int_shape(y_true)[0] i = K.update_sub(i,1) while y_true[i][0] == 0 and y_pred[i][1] == 0: i = K.update_sub(i,1) y_true = y_true[:i] y_pred = y_pred[:i] return K.mean(K.square(y_pred - y_true), axis=-1)

if (newsStory.ToShortDateString() == DateTime.Today.ToShortDateString())
                return "Todtay";

PS：如果这是一个糟糕的python编码风格，我很乐意学习！

Answer 1

错误来自于在常规整数上应用Keras后端函数而不是Tensor对象。

i = K.int_shape(y_true)[0]

此行生成一个int，因此不能在K.update_sub调用中使用。但是，您可以在其上使用普通的python整数计算。