属性错误：使用自定义指标函数时'Tensor'对象没有属性'_numpy'

Question

我想计算自定义错误函数中匹配标签的数量

我测试了：

def custom__error(y_true, y_pred):
# ---- y_pred
yp = tf.nn.softmax( y_pred)
bp = tf.argsort(yp,axis=-1,direction='DESCENDING',stable=False,name=None)
cp = tf.keras.backend.eval(bp)
# ---- y_true
yt = tf.nn.softmax( y_true )
bt = tf.argsort(yt,axis=-1,direction='DESCENDING',stable=False,name=None)
ct = tf.keras.backend.eval(bt)
# ---- common
count =  tf.sets.intersection(cp[None,:10],ct[None,:10])
return count

但是我收到一个错误：

AttributeError: 'Tensor' object has no attribute '_numpy'

我也试过：

def custom__error(y_true, y_pred):
# ---- y_pred
yp = tf.nn.softmax( y_pred)
bp = tf.argsort(yp,axis=-1,direction='DESCENDING',stable=False,name=None)
cp = bp.to_numpy()
xcp = cp[None,:10]
# ---- y_true
yt = tf.nn.softmax( y_true )
bt = tf.argsort(yt,axis=-1,direction='DESCENDING',stable=False,name=None)
ct = bt.to_numpy()
xct = ct[None,:10]
# ---- common
count =  tf.sets.intersection(tf.convert_to_tensor(xcp),tf.convert_to_tensor(xct))
return count

我不知道如何在tensorflow后端函数中使用tf.sets.intersection。

有人可以帮助我理解吗？

---

完整的错误

AttributeError                            Traceback (most recent call last)
<ipython-input-319-eed924909205> in <module>()
4 print(optimizer.learning_rate.numpy())  # or print(optimizer.lr.numpy())
5 model_loss=custom__loss(100,100,1,0.01)
----> 6 model.compile(loss=model_loss, optimizer=optimizer, metrics=['accuracy',custom__error])
11 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/backend.py in <listcomp>(.0)
3798     return nest.pack_sequence_as(
3799         self._outputs_structure,
-> 3800         [x._numpy() for x in outputs],  # pylint: disable=protected-access
3801         expand_composites=True)
3802 
AttributeError: 'Tensor' object has no attribute '_numpy'

---

我试图返回数字数组：

return count.to_numpy()

或与：

def custom__error(y_true, y_pred):
# ---- y_pred
yp = tf.nn.softmax( y_pred)
bp = tf.argsort(yp,axis=-1,direction='DESCENDING',stable=False,name=None)
cp = bp.to_numpy()
xcp = cp[None,:10]
# ---- y_true
yt = tf.nn.softmax( y_true )
bt = tf.argsort(yt,axis=-1,direction='DESCENDING',stable=False,name=None)
ct = bt.to_numpy()
xct = ct[None,:10]
# ---- common
count =  tf.sets.intersection(xcp,xct)
return count

但得到同样的错误：

<ipython-input-114-59d27aab97e1> in custom__error(y_true, y_pred)
3   yp = tf.nn.softmax( y_pred)
4   bp = tf.argsort(yp,axis=-1,direction='DESCENDING',stable=False,name=None)
----> 5   cp = bp.to_numpy()
6   xcp = cp[None,:10]
7   # ---- y_true
AttributeError: 'Tensor' object has no attribute 'to_numpy'

---

<ipython-input-91-16ca4acce397> in custom__error(y_true, y_pred)
12   # ---- common
13   count =  tf.sets.intersection(xcp,xct)
---> 14   return count.numpy()
15 
16 
AttributeError: 'SparseTensor' object has no attribute 'numpy'

Answer 1

在这一行中：

model.compile(loss=model_loss, optimizer=optimizer, metrics=['accuracy',custom__error])

custom__error函数应该返回一个 numpy 数组，而在这种情况下tf.insersection会给你Tensor的数组，因为传递给tf.intersection的y_true和y_pred本身就是tensor的。

因此，您首先需要将count转换为 numpy 数组，然后再返回它。

这个答案可能会有所帮助。

编辑：
count是SparseTensor的，因此首先用以下内容将其转换为密集张量：

dcount = tf.sparse.to_dense(count) 

然后，您需要检查张量流的运行模式。 你可以使用它：

tf.executing_eagerly()

• 如果返回True：
  Eager 模式处于活动状态。您需要在要转换的张量上调用.numpy()。
• 如果返回False：
  图形模式处于活动状态。您需要在要转换的张量上调用.eval()。

如果您愿意，可以为您自动化：

if tf.executing_eagerly():
return dcount.numpy()
else
return dcount.eval()

信用：TF 2.0 "张量"对象在使用 .numpy(( 时没有属性"numpy"，尽管默认情况下启用紧急执行

如果您使用的是 Tensorflow 1.x，您可能需要手动启用预先执行。查看此答案以了解详细信息。