我在使用 Keras 构建网络并应用自定义损失函数时遇到了一个错误 – ‘Tensor’ 对象没有 ‘log’ 属性。我认为我需要以某种方式去掉 np.log，但不确定如何操作。

import Numpy import numpy as np

自定义函数

def rmsle(y_pred,y_test):   return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))

我的网络

def base_model():   model = Sequential()   model.add(Dense(50, input_dim=X_train.shape[1], init='normal',     activation='sigmoid'))   model.add(Dropout(0.5))   model.add(Dense(1, init='normal'))   sgd = SGD(lr=0.01, momentum=0.8, decay=0.1, nesterov=False)   model.compile(loss=rmsle, optimizer = sgd)# )'adam') #   return modelkeras = KerasRegressor(build_fn=base_model, nb_epoch=80, batch_size=1,verbose=1)keras.fit(X_train ,y_train)

当我详细检查错误信息时，它显示

424         """425         # score_array has ndim >= 2--> 426         score_array = fn(y_true, y_pred)427         if mask is not None:428             # Cast the mask to floatX to avoid float64 upcasting in theano2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))----> 4     return np.sqrt(np.mean((np.log(1+y_pred) - np.log(1+y_test))**2))2     #return np.sqrt(np.mean(np.square( np.log( (np.exp(a)) + 1 ) - np.log((np.exp(b))+1) )))

回答：

您必须使用来自后端（即来自 keras.backend）的有效张量操作来定义自定义损失函数。例如，您的损失函数可以定义如下：

import keras.backend as Kdef rmsle(y_test, y_pred):    return K.sqrt(K.mean(K.square(K.log(1 + y_pred) - K.log(1 + y_test))))

注意： Keras 期望第一个参数是 y_test（也就是真实值）。