由于张量的初始化而导致的误差

Question

我有一个代码，该代码接收2个张量并将它们转换为numpy数组，然后进行一些操作，然后将结果转换回张量并返回。我有与此相关的错误。我将此功能作为model.compile KERAS函数的自定义度量。但是，当我单独使用它时，该功能很好，即喂食两个张量，然后分析返回的值。

我尝试在功能内部进行初始化，但没有解决问题。

def _cohen_kappa(y_true, y_pred):
    y_pred2 = K.argmax(y_pred, axis=-1)
    y_true2 = K.argmax(y_true, axis=-1)
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        sess.run(y_true2)
        sess.run(y_pred2)
        y_true_ar = y_true2.eval()
        y_pred_ar = y_pred2.eval()
        kappa_score_ar = cohen_kappa_score(y_true_ar, y_pred_ar, weights='linear')
        kappa_score_ar_tf = tf.convert_to_tensor(kappa_score_ar, dtype=tf.float32)
        sess.run(kappa_score_ar_tf)
    return kappa_score_ar_tf
    # i feed this as custom metric
model.compile(optimizer=optimizers.SGD(lr=0.001, momentum=0.9),
              loss='categorical_crossentropy',
              metrics=['categorical_crossentropy',
                       'mae', _cohen_kappa])

错误消息是：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_21_target' with dtype float and shape [?,?]
     [[node dense_21_target (defined at C:ProgramDataAnaconda3envspy36libsite-packageskerasbackendtensorflow_backend.py:517)  = Placeholder[dtype=DT_FLOAT, shape=[?,?], _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

当我尝试独立执行时，此功能起作用。

y_true = tf.Variable([[1,0,0],[0,0,1],[0,1,0],[1,0,0],[0,0,1],[0,1,0],[1,0,0],[0,0,1],[0,1,0],[1,0,0],[0,0,1],[0,1,0]])
y_pred = tf.Variable([[1,0,0],[0,1,0],[0,0,1],[1,0,0],[0,1,0],[0,0,1],[1,0,0],[0,1,0],[0,0,1],[1,0,0],[0,1,0],[0,0,1]])
return_value = _cohen_kappa(y_true,y_pred)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    temp = return_value.eval()
    print(temp)

Answer 1

将张量转换为NP阵列，然后再次转换回张量将破坏计算图。在这种情况下，反射不能发生。您必须使用Tensor OPS，而不是使用NP操作进行计算图进行逆转。

如果您不使用它进行损失计算，但仅用于指标，请检查此类似的问题

我如何指定损失函数在喀拉斯语中是二次加权kappa？