带有tf.contrib.losses.metric_learning.triplet_semihard_loss的keras模型断言错误

Question

我正在将蟒蛇3与anaconda一起使用，并尝试在Keras模型中使用tf.contrib损失函数。

代码如下

from keras.layers import Dense, Flatten
from keras.optimizers import Adam
from keras.models import Sequential
from tensorflow.contrib.losses import metric_learning
model = Sequential()
model.add(Flatten(input_shape=input_shape))
model.add(Dense(50,  activation="relu"))
model.compile(loss=metric_learning.triplet_semihard_loss, optimizer=Adam())

我收到以下错误：

文件“ /home/user/.local/lib/python3.6/site-packages/keras/engine/training_utils.py”，第404行，权重score_array = fn（y_true，y_pred）文件“ / home / user / anaconda3 /envs/siamese/lib/python3.6/site-packages/tensorflow/contrib/losses/python/metric_learning/metric_loss_ops.py“，行179，在Triplet_semihard_loss中断言lshape.shape == 1 AssertionError

当我使用具有keras损失功能的同一个网络时，它可以正常工作，我尝试将tf损失功能包装在这样的函数中

def func(y_true, y_pred): 
    import tensorflow as tf
    return tf.contrib.losses.metric_learning.triplet_semihard_loss(y_true, y_pred) 

仍然出现相同的错误

我在这里做错了什么？

更新：更改功能时返回以下内容

return K.categorical_crossentropy(y_true, y_pred)

一切正常！但是我无法使其与特定的tf损失功能一起使用...

当我进入tf.contrib.losses.metric_learning.triplet_semihard_loss并删除以下代码行：assert lshape.shape == 1运行正常

谢谢

Answer 1

看来您的问题来自损失函数中的错误输入。事实上，三元组损失需要参数：

Args:
labels: 1-D tf.int32 `Tensor` with shape [batch_size] of
  multiclass integer labels.
embeddings: 2-D float `Tensor` of embedding vectors. Embeddings should
  be l2 normalized.

你确定它y_true的形状正确吗？您能给我们提供有关您正在使用的张量的更多详细信息吗？