在tensorflow中编写自定义成本函数

Question

我试图在张量流中编写自己的成本函数,但显然我不能"切割"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,张量流不能聚集在第一个以外的轴上 - 它是要求的.

但是对于你想要在这种特定情况下做什么,你可以转置,然后收集0,2,4,然后转置回来.它不会疯狂​​,但它有效:

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

对于当前的collect实现中的一些限制,这是一个有用的解决方法.

(但是你也不能在tensorflow节点上使用numpy切片 - 你可以运行它并切片输出,还需要在运行之前初始化这些变量.:).你是以一种不起作用的方式混合tf和np.

x = tf.Something(...)

是张量流图形对象.Numpy不知道如何应对这些对象.

foo = tf.run(x)

回到python可以处理的对象.

您通常希望将损耗计算保持在纯张量流中,因此tf中的交叉和其他函数也是如此.你可能不得不长途跋涉,因为tf没有它的功能.