我试图用一个封装在 WebAssembly 二进制文件中的自定义函数来覆盖 Keras/TF2.0 的损失函数。以下是相关代码。

@tf.functiondef custom_loss(y_true, y_pred):    return tf.constant(instance.exports.loss(y_true, y_pred))

我使用的方式如下

model.compile(optimizer_obj, loss=custom_loss)# 然后 model.fit(...)

我对 TF2.0 的即时执行（eager execution）并不是完全了解，因此关于这方面的任何见解都会很有帮助。

我认为 instance.exports.loss 函数与此错误无关，但是如果您确定其他一切都正常，请告诉我，我会提供更多细节。

这是堆栈跟踪和实际错误：https://pastebin.com/6YtH75ay

回答：

首先，您无需使用 @tf.function 来定义自定义损失函数。

我们可以愉快地（虽然有点无意义地）做如下操作：

def custom_loss(y_true, y_pred):  return tf.reduce_mean(y_pred)model.compile(optimizer='adam',              loss=custom_loss,              metrics=['accuracy'])

只要我们在 custom_loss 内部使用的所有操作 对 TensorFlow 是可微分的

因此，您可以移除 @tf.function 装饰器，但之后我猜您会遇到类似如下的错误信息：

[一些跟踪信息] - 请确保您的所有操作都有定义的梯度（即是可微分的）。常见的没有梯度的操作：K.argmax, K.round, K.eval.

因为 TensorFlow 无法找到 WebAssembly 二进制文件中函数的梯度。损失函数内部的所有内容必须是 TensorFlow 可以理解并计算梯度的，否则它将无法优化以获得更低的损失值。

也许最好的前进方式是使用 TensorFlow 可以计算梯度的操作来复制 instance.exports.loss 内的功能，而不是直接引用它？

“`